难于绘制2度线性回归

问题描述

在通过机器学习模型绘制带有2度曲线的2d线性回归时，我遇到了一些麻烦。

这是我的代码：

m = 100
X = 6 * np.random.rand(m,1) - 3

y = 0.5 * X**2 + X + 2 + np.random.randn(m,1)
plt.plot(X,y,"b.")
plt.show() 

直到这里确定，这是我的散点图：

现在我正在训练一个2度线性模型。

from sklearn.preprocessing import polynomialFeatures

poly_features = polynomialFeatures(degree=2,include_bias=False)
X_poly = poly_features.fit_transform(X)

lin_reg = LinearRegression()
lin_reg.fit(X_poly,y)

训练有素的模型。

这是我绘制曲线时的结果：

plt.plot(X,lin_reg.predict(X_poly),"r-")
plt.show()

我正在弄清楚如何打印连续曲线，而不是那些线连接点。

下面是我想要的输出，手动绘制。

解决方法

• 你可能会踢自己
• 一切都很好，除了X需要用numpy.sort()进行排序。
  • 从点到点依次绘制线条。由于这些点没有按X进行排序，因此它们被全部绘制。
已指定
• np.random.seed(365)每次产生相同的值。

import numpy
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

m = 100
np.random.seed(365)
X = 6 * np.random.rand(m,1) - 3
X = np.sort(X,axis=0)  # sort the values

y = 0.5 * X**2 + X + 2 + np.random.randn(m,1)

# regression code
poly_features = PolynomialFeatures(degree=2,include_bias=False)
X_poly = poly_features.fit_transform(X)

lin_reg = LinearRegression()
lin_reg.fit(X_poly,y)

# plot
plt.plot(X,y,"b.")
plt.plot(X,lin_reg.predict(X_poly),"r-")
plt.show()