Как построить модель полиномиальной регрессии с несколькими независимыми переменными, используя Python?

Question

[AnastasiaVO95]

Как построить модель полиномиальной регрессии второй степени с несколькими независимыми переменными (от 2ух до 4ех) таким образом, чтобы можно было увидеть само уравнение и данные для оценки адекватности модели? Массив данных включает 50 зависимых переменных и к каждой из них по 4 независимых.

Answer 1

[dmshar]

Вариантов много.
sklearn.preprocessing.PolynomialFeatures - это раз.
Можно вручную преобразовать многомерную полиноминальную модель в многомерную линейную, а потом запустить
sklearn.LinearRegression()
Можно использовать более универсальный вариант
scipy.optimize.curve_fit () , а поскольку регрессия - это по сути задача минимизации, то тут можно подгонять любую функцию. Более того, в scipy.optimize есть множество разных методов численной оптимизации, которые можно использовать для получения регрессионной модели в том числе.

В ТensorFlow можно использовать
GradientDescentOptimizer

Но рекомендую сначала разобраться с задачей и терминологией. Ваша фраза
"50 зависимых переменных " - поначалу ввергла меня в ступор.