python - 我用什么来找到python中最佳拟合模型的理性回归线？

Question

from numpy import *
from matplotlib.pyplot import *
import pandas as pd

data = pd.read_csv('student-mat.csv', sep=';')
predict = 'Markup'
original = 'OriginalPrice'
y = np.array(data[predict])
x = np.array(data[original])


p1 = polyfit(x,y,1)
p2 = polyfit(x,y,2)
p3 = polyfit(x,y,3)
print(p1,p2,p3)

plot(x,y,'o')
plot(x,polyval(p1,x), 'r-')
plot(x,polyval(p2,x), 'b-')
plot(x,polyval(p3,x), 'm-')

show()

我试图用一条最佳拟合线来表示一组数据，最初我使用的是多项式，但似乎我需要对这组数据进行理性分析。我不确定使用什么函数来生成最佳拟合模型的合理线。理想情况下，我可以简单地polyfit用一个理性的函数替换我的函数。在此先感谢，欢迎任何帮助:)。

Answer 1

您可以编写自己的函数并使用最小二乘法最小化错误吗？例如...

对于任意指数外观数据，在变量 X 和 Y 中：

def exp(args):
    a, b, c, d, e = args
    curve = [a*b**(c*x-d)+e for x in X]
    rmse = sum((y-pt)**2 for y,pt in zip(Y,curve))**0.5
    return rmse

fit = optimize.minimize(exp, [2, 2.8, -1, 0, 1]).x #initial guess

见随机点+曲线拟合