組み込み開発のためのPython · レッスン 132 / 220
多項式回帰で曲線を近似する
多項式特徴量を線形回帰へ渡すと曲線を近似できます。次数を上げすぎると過学習や数値不安定性が起きるため、検証データで比較します。
多項式特徴量を線形回帰へ渡すと曲線を近似できます。次数を上げすぎると過学習や数値不安定性が起きるため、検証データで比較します。 仕組みだけでなく、検証方法と運用上の注意も具体例で確認します。
基本の考え方
多項式特徴量を線形回帰へ渡すと曲線を近似できます。次数を上げすぎると過学習や数値不安定性が起きるため、検証データで比較します。
安全に試すための確認
例は学習用データを使うもので、品質を保証する予測器ではありません。実データの欠損、単位、偏り、データ漏えいを確認し、テスト用データを学習中に参照しないでください。
コード例
手元のPython環境に貼り付ける前に、使用しているPythonの版と対象ライブラリの対応を確認してください。
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
model = make_pipeline(PolynomialFeatures(2), LinearRegression()).fit([[0], [1], [2]], [1, 2, 5])
print(model.predict([[1.5]]))手を動かす課題
次数1と次数2のモデルを別の検証点で比較し、学習点への適合だけで選ばないようにしてください。