Python 如何在Python中将非线性数据拟合到模型中？

我们将使用Seaborn库来可视化数据。当构建回归模型时，需要检查多重共线性。这是因为我们需要了解连续变量所有不同组合之间存在的相关性。如果变量之间存在多重共线性，则必须确保从数据中将其删除。现实世界中的数据通常是非线性的。

我们需要找到机制将这种非线性数据拟合到模型中。我们将使用Anscombe的数据集来可视化这些数据。使用’implot’函数处理这些非线性数据。

以下是一个例子 −

阅读更多：Python 教程

例子

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('anscombe')
sb.lmplot(x="x", y="y", data=my_df.query("dataset == 'I'"))
plt.show()

输出

说明

• 导入所需的软件包。
• 输入数据为从Seaborn库加载的’anscombe’。
• 这些数据存储在dataframe中。
• 使用’load_dataset’函数加载iris数据。
• 使用’implot’函数可视化此数据。
• 此处，数据帧作为参数提供。
• 还指定了x和y值。
• 在控制台上显示这些数据。