【模式识别与人工智能】06-第一章-第六节-线性回归-非线性归回.pptxVIP

;CONTENTS;;线性回归拟合效果

线性回归可以很好地拟合线性分布的数据，但是对于非线性的数据拟合效果很差。;多项式回归

可以使用线性模型来拟合非线性数据，即将每个特征的幂次方添加为一个新特征，然后在这个拓展过的特征集上训练线性模型。这种方法被称为多项式回归（PolynomialRegression）。;多项式回归

指的是通过对变量进行升维，从而将变量之间的非线性关系转化为线性关系，以预测变量的幂形式作为新的预测变量，其本质上还是属于线性回归。

如果自变量只有一个时，称为一元多项式回归；如果自变量有多个时，则称为多元多项式回归。

多项式回归的最大优点就是可以通过增加的高次项对实测点进行逼近，直至达到较好的拟合效果。;多项式回归模型

以一元多项式回归方程为例

该方程中的最高次方为，适用于样本只有一个特征时。;多项式回归分析的一般方法

多项式回归问题可以通过变量转换化为多元线性回归问题来解决。

对于一元次多项式回归方程，令

则该方程就转化为元线性回归方程：

如果数据使用比较低阶的多项式就可以较好