我有一个像这样的2度多项式矩阵。
print(X)
[[ 1. 5. 25.]
[ 1. 6. 36.]
[ 1. 7. 49.]
[ 1. 8. 64.]
[ 1. 9. 81.]
[ 1. 10. 100.]
[ 1. 11. 121.]
[ 1. 12. 144.]
[ 1. 13. 169.]
[ 1. 14. 196.]]
还有一个矩阵W,它的矩阵X的截距和coef值如下:
W = np.linalg.inv( X.T @ X ) @ X.T @ Y
print(W)
[73.55928788 -8.88859848 0.82670455]
我也有我的y_P(为整个矩阵预测的值)。像这样。
Y_p = W @ X.T
Y_p
array([ 49.78390909, 49.98906061, 51.84762121, 55.35959091,
60.5249697 , 67.34375758, 75.81595455, 85.94156061,
97.72057576, 111.153 ])
我具有用于X和Y的真实数据的图。
# --- Showing the plot (2)
plt.plot(X, Y, c='orange', linestyle='dashed',
marker='o', markerfacecolor='#ac00e6')
plt.xlabel('Year')
plt.ylabel('Av_claims')
plt.legend('Claims')
plt.grid(True)
因此,我想在此先前的图表上绘制由每个X值预测的每个Y的线,以可视化模型的成功程度。但是我不确定谁去做。你可以帮帮我吗?谢谢!
数据:
和情节
[蓝线是线性回归,现在我想对多项式回归做同样的事情。
您的意思是这样的?
plt.plot(X, Y, c='orange', linestyle='dashed',
marker='o', markerfacecolor='#ac00e6')
plt.plot(X, Y_p)
plt.xlabel('Year')
plt.ylabel('Av_claims')
plt.legend('Claims')
plt.grid(True)