在參加“數據挖掘”比賽中遇到了關于函數高次擬合的問題，然后就整理了一下源碼，以便后期的學習與改進。

在本次“數據挖掘”比賽中感覺收獲最大的還是對于神經網絡的認識，在接近一周的時間里，研究了進40種神經網絡模型，雖然在持續一周的挖掘比賽把自己折磨的慘不忍睹，但是收獲頗豐。現在想想也挺欣慰自己在這段時間里接受新知識的能力。關于神經網絡方面的理解會在后續博文中補充（剛提交完論文，還沒來得及整理），先分享一下高次擬合方面的知識。

# coding=utf-8import matplotlib.pyplot as pltimport numpy as npimport scipy as spimport csvfrom scipy.stats import normfrom sklearn.pipeline import Pipelinefrom sklearn.linear_model import LinearRegressionfrom sklearn.preprocessing import PolynomialFeaturesfrom sklearn import linear_model''''' 數據導入 '''def loadDataSet(fileName): dataMat = [] labelMat = [] csvfile = file(fileName, 'rb') reader = csv.reader(csvfile) b = 0 for line in reader:  if line[50] is '':   b += 1  else:   dataMat.append(float(line[41])/100*20+30)   labelMat.append(float(line[25])*100) csvfile.close() print "absence time number: %d" % b return dataMat,labelMatxArr,yArr = loadDataSet('data.csv')x = np.array(xArr)y = np.array(yArr)# x = np.arange(0, 1, 0.002)# y = norm.rvs(0, size=500, scale=0.1)# y = y + x ** 2def rmse(y_test, y): return sp.sqrt(sp.mean((y_test - y) ** 2))def R2(y_test, y_true): return 1 - ((y_test - y_true) ** 2).sum() / ((y_true - y_true.mean()) ** 2).sum()def R22(y_test, y_true): y_mean = np.array(y_true) y_mean[:] = y_mean.mean() return 1 - rmse(y_test, y_true) / rmse(y_mean, y_true)plt.scatter(x, y, s=5)#分別進行1,2,3,6次擬合degree = [1, 2,3, 6]y_test = []y_test = np.array(y_test)for d in degree: #普通 # clf = Pipeline([('poly', PolynomialFeatures(degree=d)), #     ('linear', LinearRegression(fit_intercept=False))]) # clf.fit(x[:, np.newaxis], y) # 嶺回歸 clf = Pipeline([('poly', PolynomialFeatures(degree=d)),     ('linear', linear_model.Ridge())]) clf.fit(x[:, np.newaxis], y) y_test = clf.predict(x[:, np.newaxis]) print('多項式參數%s' %clf.named_steps['linear'].coef_) print('rmse=%.2f, R2=%.2f, R22=%.2f, clf.score=%.2f' %   (rmse(y_test, y),   R2(y_test, y),   R22(y_test, y),   clf.score(x[:, np.newaxis], y))) plt.plot(x, y_test, linewidth=2)plt.grid()plt.legend(['1', '2','3', '6'], loc='upper left')plt.show()

以上這篇對python實現二維函數高次擬合的示例詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。