पॉलीनोमियल रिग्रेशन लीनियर रिग्रेशन का एक रूप है जिसमें इंडिपेंडेंट वेरिएबल x और डिपेंडेंट वेरिएबल y के बीच संबंध को nth डिग्री पॉलीनोमियल के रूप में मॉडल किया जाता है। पॉलीनोमियल रिग्रेशन x के मान और y के संबंधित कंडीशनल मीन के बीच एक नॉन-लीनियर संबंध को फिट करता है, जिसे E(y|x) से दर्शाया जाता है।
उदाहरण
# लाइब्रेरीज़ इम्पोर्ट करना
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# डेटासेट इम्पोर्ट करना
datas = pd.read_csv('data.csv')
datas
# डेटासेट को दो घटकों में विभाजित करना
X = datas.iloc[:, 1:2].values
y = datas.iloc[:, 2].values
# डेटासेट पर लीनियर रिग्रेशन फिट करना
from sklearn.linear_model import LinearRegression
lin = LinearRegression()
lin.fit(X, y)
# डेटासेट पर पॉलीनोमियल रिग्रेशन फिट करना
from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(degree=4)
X_poly = poly.fit_transform(X)
poly.fit(X_poly, y)
lin2 = LinearRegression()
lin2.fit(X_poly, y)
# लीनियर रिग्रेशन रिजल्ट्स विज़ुअलाइज़ करना
plt.scatter(X, y, color='blue')
plt.plot(X, lin.predict(X), color='red')
plt.title('Linear Regression')
plt.xlabel('Temperature')
plt.ylabel('Pressure')
plt.show()
# पॉलीनोमियल रिग्रेशन रिजल्ट्स विज़ुअलाइज़ करना
plt.scatter(X, y, color='blue')
plt.plot(X, lin2.predict(poly.fit_transform(X)), color='red')
plt.title('Polynomial Regression')
plt.xlabel('Temperature')
plt.ylabel('Pressure')
plt.show()
# लीनियर रिग्रेशन के साथ नया रिजल्ट प्रेडिक्ट करना
lin.predict([[110.0]])
# पॉलीनोमियल रिग्रेशन के साथ नया रिजल्ट प्रेडिक्ट करना
lin2.predict(poly.fit_transform([[110.0]]))
