我是机器学习的新手,遇到了困难。
当我尝试在线性模型中实现多项式回归时,使用了多个次数为1到10的多项式,并得到不同的均方误差。我实际上使用了GridsearchCV方法来找到多项式的最佳参数。
但它甚至没有生成任何结果。
当我尝试在线性模型中实现多项式回归时,使用了多个次数为1到10的多项式,并得到不同的均方误差。我实际上使用了GridsearchCV方法来找到多项式的最佳参数。
from sklearn.model_selection import GridSearchCV
poly_grid = GridSearchCV(PolynomialRegression(), param_grid, cv=10, scoring='neg_mean_squared_error')
我不知道如何获取上面的PolynomialRegression()
估计器。我搜索到的一个解决方案是:
import numpy as np
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import make_pipeline
def PolynomialRegression(degree=2, **kwargs):
return make_pipeline(PolynomialFeatures(degree), LinearRegression(**kwargs))
param_grid = {'polynomialfeatures__degree': np.arange(10), 'linearregression__fit_intercept': [True, False], 'linearregression__normalize': [True, False]}
poly_grid = GridSearchCV(PolynomialRegression(), param_grid, cv=10, scoring='neg_mean_squared_error')
但它甚至没有生成任何结果。