是什么使具有多项式特征的线性回归曲线变曲线?

机器算法验证 回归 多项式
2022-04-02 22:28:18

以下是我对发生的事情的理解:如果我采用“二维问题”,例如我有作为输入,Y 作为结果,我添加了一个特征这为问题提供了一个额外的维度,并且值的线性拟合定义了一条线,以及值的线性拟合,这两条线定义了一个最佳拟合的平面。这个对吗?这如何转换回二维空间?这是否以某种方式在二维中显示为弯曲?如何?Xx2xyx2y

2个回答

这是 3D 平面的一部分。

图1

这是显示坐标的同一平面,并沿其轴选择了一组点。x

图 2

第三个坐标用于绘制这些值的平方,沿坐标框底部的抛物线生成点。x

图 3

穿过抛物线的垂直“幕”在抛物线正上方的所有点处与平面相交。这个交叉点是一条曲线。

图 4

多项式模型假设响应(在垂直方向上绘制)与该平面的高度相差随机量。对应于这些坐标值显示为红点。yyx

图 5

因此,点位于一条曲线(此投影)而不是一条直线上,即使响应模型基于最初显示的平面。(x,y)

图 6

道德

当解释变量明显位于曲线上时,响应似乎也位于曲线上。

如果你有一个自变量 x 和一个因变量 y,那么“y = f(x)”通常被认为是二维的,即使这两个变量之间的关系很复杂。作为一个假设的例子,如果一个实验模型是“压力 = a * 温度 + b * log(温度) - c * sine(温度)”,那么只有两个变量,温度和压力。因此,可以将这种关系绘制为平面上的曲线。

如果模型有两个自变量,例如“压力 = a * log(温度) - b * exp(高度)”,则其形式为“z = f(x,y)”并且可以绘制为 3D表面。