一、线性回归模型的残差
可以很方便地求解线性回归模型的残差。
自带的波士顿房价数据集为例。
portearodelportearRegression
导入数据集().data.target
定义线性回归模型odelearRegression()odel.fit(X, y)
模型预测值odel.predict(X)
umpy库中的subtract函数求解残差。
portumpyp
残差p.subtract(y, y_pred)
二、非线性回归模型的残差
求解残差的方法与线性回归模型类似。在这里大家以多项式回归模型为例。
自带的diabetes数据集为例。
port load_diabetesgportomialFeaturesearodelportearRegression
导入数据集
diabetes = load_diabetes()pewaxis, 2]
y = diabetes.target
定义多项式回归模型omialFeatures(degree=3)sform(X)odelearRegression()odel.fit(X_poly, y)
模型预测值odel.predict(X_poly)
umpy库中的subtract函数求解残差。
portumpyp
残差p.subtract(y, y_pred)
求解残差的方法。