理想情况下需要多项式拟合或高斯过程回归。不确定如何在 sklearn 中实现这一点。数据存储在熊猫中。
我已经尝试过以下方法，但即使只有 128 个数据点，它的加载速度也很慢。
from sklearn.svm import SVR
X, y = df11[['P1FRAMES']], df11[['A']]
svr_lin = SVR(kernel='linear', C=1e3)
svr_poly = SVR(kernel='poly', C=1e3, degree=2)
y_lin = svr_lin.fit(X, y).predict(X)
y_poly = svr_poly.fit(X, y).predict(X)
有没有更快的方法来生成二阶多项式最佳拟合线？或者您认为可能合适的任何其他最合适的线？
谢谢
汤姆