代碼如下

import numpy as npfrom matplotlib import pyplot as plt# 用numpy生成數據t ,yt = np.arange(1,10,1)y = 0.9 * t + np.sin(t)model = np.polyfit(t, y ,deg=1) # np.polyfit是numpy提供的加分分析方法，deg=1,指定模型為1階的，返回值model為獲得的模型t2 = np.arange(-2,12,0.5) # 再生成一個間隔為0.5的序列ypredict = np.polyval(model, t2) # 由np.polyval預測y值序列plt.plot(t, y, 'o', t2, ypredict, ’x’)plt.show()

上面的一段代碼利用numpy生成數據序列，并實現了1階回歸，并畫出預測效果圖，圖形如下：

將代碼改一下，實現2階、3階回歸預測，只需要model = np.polyfit(t, y, deg =2)即可，同理3階模型就把deg改為3即可。

2階效果圖和3階效果圖分別如下：

需要說明的是，并不是擬合的階數越高，模型越好，本例使用2階擬合效果比較好，如果使用3階，會出現“過擬合”

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網。