如何在Python中将非线性数据拟合到模型？

我们将使用Seaborn库，它有助于数据可视化。构建回归模型时，会检查多重共线性。这是因为我们需要了解所有不同连续变量组合之间存在的相关性。如果变量之间存在多重共线性，我们必须确保将其从数据中移除。现实世界中的数据通常是非线性的。

我们需要找到将此类非线性数据拟合到模型的方法。我们将使用Anscombe数据集来可视化此数据。“implot”函数用于此非线性数据。

这是一个例子：

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('anscombe')
sb.lmplot(x="x", y="y", data=my_df.query("dataset == 'I'"))
plt.show()

输出

解释

  • 导入所需的包。
  • 输入数据为“anscombe”，它从seaborn库加载。
  • 此数据存储在数据框中。
  • 使用“load_dataset”函数加载iris数据。
  • 使用“implot”函数可视化此数据。
  • 这里，数据框作为参数提供。
  • 此外，还指定了x和y值。
  • 此数据显示在控制台中。

更新于：2020年12月11日

218 次浏览

启动您的职业生涯

通过完成课程获得认证

开始学习
广告