多项式回归坏图
多项式回归是一种回归分析方法，用于建立自变量与因变量之间的非线性关系模型。它通过拟合一个多项式方程来逼近数据点，从而预测未知数据的结果。
多项式回归的分类：
- 一元多项式回归：自变量只有一个。
- 多元多项式回归：自变量有多个。
多项式回归的优势：
- 灵活性：多项式回归可以适应各种非线性关系，能够更准确地拟合数据。
- 可解释性：多项式回归模型的系数可以提供对自变量的解释，帮助理解变量之间的关系。
- 预测能力：多项式回归可以用于预测未知数据的结果，对于非线性关系的数据具有较好的预测能力。
多项式回归的应用场景：
- 经济学：用于分析经济指标之间的关系，如GDP与人口增长率之间的关系。
- 生物学：用于研究生物学数据中的非线性关系，如基因表达与疾病发展之间的关系。
- 工程学：用于建立工程参数之间的关系模型，如材料强度与温度之间的关系。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）：提供了丰富的机器学习算法和模型训练、部署等功能，可用于多项式回归模型的构建和应用。
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）：提供了数据分析和挖掘的工具和服务，可用于多项式回归模型的数据处理和分析。
- 腾讯云函数计算（https://cloud.tencent.com/product/scf）：提供了无服务器计算的能力，可用于多项式回归模型的部署和调用。
以上是关于多项式回归的概念、分类、优势、应用场景以及腾讯云相关产品的介绍。
相关·内容
我刚开始学习多项式回归。我试图创建一个多项式回归图，但是这个图是错的。
我的代码是这样的
#Linear regression
from sklearn import linear_model
clf = linear_model.LinearRegression()
x = data.loc[:, ['col1']]
y = data.loc[:, ['col2']]
clf.fit(x, y)
plt.scatter(x, y)
plt.plot(x, clf.predict(x))
plt.show()
这个代码是线性回归模型的代码，图是这样的。
浏览 0提问于2018-05-02得票数 0
回答已采纳
1回答
用同样图绘制多项式回归图
、、、
我有一些代码片段，它们读取两个csvs并使用matplotlib.pyplot绘制它们，并在相同的两个csvs上执行多项式回归。我想要做的是在同一张图上绘制数据和多项式回归图。
import matplotlib.pyplot as plt
import csv
import numpy as np
datax=np.genfromtxt('Delta R.csv')
datay=np.genfromtxt('Example R.csv')
plt.title ('Test graph ')
plt.xlabel('x axis&#
浏览 3提问于2013-10-04得票数 3
回答已采纳
2回答
橙色帆布:不给多项式回归系数。
、、、、
我正在使用橙色画布来处理一组暗色数据。我想得到一个回归方程，我用一元多项式回归工具，它给出了相关的图，但它没有给出任何方程或系数。是否有任何方法、小部件工具或代码在Orange中导入此功能。已经谢谢你们了。
浏览 6提问于2017-02-22得票数 1
回答已采纳
1回答
我正在为两个不同的分水岭数据绘制多项式回归图(在我的代码中，它们被分离为color=Treatment )。我可以为每个处理绘制两条不同的回归线，但我试图将组合的分水岭数据绘制为一条单一的多项式回归线。我希望保持颜色编码的数据点不变。 这是我目前拥有的代码： ggplot(my_data, aes(x=pH, y=NH4, color=Treatment)) +
geom_point(pch=21, size=0.5,alpha = 1) +
geom_smooth(method = "lm", formula = y ~ x + I(x^2), se = FALS
浏览 19提问于2021-04-28得票数 0
通过遵循GEKKO文档，我使用了线性和多项式回归的例子。这里只是关于简单线性回归的部分。
from gekko import GEKKO
import numpy as np
xm = np.array([0.1,0.3,0.2,0.5,0.8])
ym = np.array([0.52,0.53,0.4,0.6,1.01])
#### Solution
m = GEKKO()
m.options.IMODE=2
# coefficients
c = [m.FV(value=0) for i in range(2)]
c[0].STATUS=1
c[1].STAT
浏览 0提问于2021-03-04得票数 1
1回答
我对一些数据做了多项式回归。这张图是画出来的。但是，如何获得绘制的图形的函数"f(x)“呢？我喜欢集成函数！
z = np.polyfit(x, y1, 6)
p = np.poly1d(z)
xp = np.linspace(0, 1, 100)
line = plt.plot(x, y1, '.', xp, p(xp), '-', label=' G_MEAN_1 ')
plt.ylim(0, 1)
plt.legend()
plt.show()
那么，我如何才能把这个函数带出这里--进行集成呢？
浏览 35提问于2019-06-27得票数 1
1回答
多项式回归中的过拟合，比较训练集的均方误差和验证集的均方误差。
我不太理解这张图。在训练模型以学习参数时，我们必须设置λ=0，因为已经选择了λ的值并继续进行培训是没有意义的。，那么，随着λ值的变化，训练错误是如何变化的呢？将数据集划分为有效数据集和训练数据集，在训练集中对模型进行训练，并通过有效集验证验证结果。
浏览 3提问于2021-12-25得票数 1
回答已采纳
1回答
在R统计软件包中，是否有一种方法可以用一个连续变量和一个范畴变量绘制二阶多项式回归图？
用一个范畴变量生成线性回归图：
library(ggplot2)
library(ggthemes) ## theme_few()
set.seed(1)
df <- data.frame(minutes = runif(60, 5, 15), endtime=60, category="a")
df$category = df$category=letters[seq( from = 1, to = 2 )]
df$endtime = df$endtime + df$minutes^
浏览 2提问于2021-11-07得票数 1
回答已采纳
1回答
我只想画几条回归线，而不是任何一点。(没有fitted，因为我有超过7000点。)我知道如何用线性回归来做这件事，但不知道用多项式回归。我的数据是。通过一些线性回归：
plot_data=read.csv("plot_data.csv") #read data
#linear regressions
Off_linear=lm(Z_Salary~OBPM,data=plot_data)
Def_linear=lm(Z_Salary~DBPM,data=plot_data)
Tot_linear=lm(Z_Salary~BPM,data=plot_data)
#try
浏览 1提问于2016-02-26得票数 0
回答已采纳
1回答
了解多项式回归。我知道我们对某种非线性数据集使用多项式回归，并给出曲线。我知道写一个单自变量的多项式回归方程，但我不是真的理解这个方程是如何构造两个变量的？
y = a1 * x1 + a2 * x2 + a3 * x1*x2 + a4 * x1^2 + a5 * x2^2
在我们有3个或更多变量的情况下，多项式回归的方程是什么？对于多个变量，开发这些多项式方程的逻辑到底是什么？
浏览 0提问于2019-05-21得票数 1
根据Edwards和Parry (1993)的建议，我正在使用R中的多项式回归分析差异分数。我一直在尝试将persp()图与contour()图相结合。我还需要在等高线图上绘制前两个主轴。到目前为止，我的尝试只提供了每个单独的情节，但我不知道如何将它们组合在一起。最终结果的示例如下
：
我设法很好地得到了persp()图。我还得到了等高线图。我似乎找不到任何方法来将两者结合起来。我已经成功地在管道中使用选项绘制了图。我对输出的问题是，表面是平滑的，并且轮廓图缺少图中的值。基本上:根据源代码中的示例，persp()和contour()的可视化方式与我想要的外观极其相似。
我目前的尝试(在简约
浏览 0提问于2019-07-02得票数 2
1回答
Python多项式回归绘图错误？
、、、、
区块报价
新的python，并试图完成对某些数据的三阶多项式回归。当我使用多项式回归时，我没有得到我期望的拟合。我试图理解为什么python中的多项式回归比excel中的更糟糕。当我在excel中拟合相同的数据时，我得到了≈.95的决定系数，图看起来像一个三阶多项式。然而，使用镰刀学习它是≈.78，它的匹配看起来几乎是线性的。这是因为我没有足够的数据吗？在我的x轴上有x作为datetime64nstype也会影响回归吗？代码运行。但是，我不确定这是编码问题还是其他问题。
我使用anaconda (python 3.7)并在spyder中运行代码
import operator
impo
浏览 3提问于2019-12-01得票数 2
回答已采纳
1回答
我有一个数据，其中每个点对应于一年中的每个月。例如，{01:5, 02:8, 03:12, 04:16}等等，直到一年的最后一个月。然而，在我的烧瓶应用中，很多数据都是通过多项式回归推断出来的。
我把这些数据做成了一个高图表列图，非常类似于这个：
我的目标是将样式应用于尚未发生的日期，这意味着它们是外推数据(例如，使其更加透明)。
一个人会怎么做？
浏览 4提问于2013-10-18得票数 0
回答已采纳
3回答
多项式回归的基本理解问题
、、、
我对简单的线性回归有一个理解。弄清楚
📷
结果如下所示：
📷
然而，研究多项式回归是一个有一些问题的过程的挑战。我理解这样的想法:拟合曲线“线”可以更精确地跟踪数据。但是，在scikit中看到下面的Python代码--学习：
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
x = 2 - 3 * np.random.normal(0, 1, 20)
y = x - 2 * (x ** 2) + 0.5 * (x ** 3) + np.r
浏览 0提问于2020-05-09得票数 5
1回答
数据: 34,46,47,48,52,53,55,56,56,56,57,58,59,59,68
密度图
ECDF
我想做的是将导出的密度图转化为累积分布频率，从中得出%，反之亦然。我希望专门使用核密度估计来导出平滑的累积分布函数。我不希望依赖原始数据点来做ECDF，而是使用KDE来做CDF。
编辑：
我看到有一个KernelSmoothing.CDF，这可能是解决方案吗？如果是这样，到目前为止我还不知道如何实现它。
Mathworks举了一个我正在尝试做的例子，在"Compute and plot the estimated cdf evaluated at a
浏览 0提问于2016-04-30得票数 0
1回答
试图用R中的多项式回归来预测样本的未来值，样本中的y值形成波型。例如
x = 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16
y= 1,2,3,4,5,4,3,2,1,0,1,2,3,4,5,4
但是，当为未来的值绘制图表时，得到的y值与预期的完全不同。而不是波形图，而是得到一个y值不断增加的图形。
futurY = 17,18,19,20,21,22
尝试过不同程度的多项式回归，但是futurY的预测结果与预期有很大的不同。
下面是用于获取结果的示例R代码
dfram <- data.frame('x'=c(1,2,3,4,5,6,7,8,
浏览 4提问于2016-07-08得票数 1
回答已采纳
3回答
我不知道“对数回归”是否是正确的术语，我需要在我的数据上拟合一条曲线，就像多项式曲线，但在结束时趋于平缓。
这是一幅图像，蓝色曲线是我所拥有的(二阶多项式回归)，洋红曲线是我所需要的。
我已经搜索了很多，但找不到，只有线性回归，多项式回归，但没有对数回归的学习。我需要绘制曲线，然后用回归来预测。
编辑
下面是我贴出的这幅图的数据：
x,y
670,75
707,46
565,47
342,77
433,73
472,46
569,52
611,60
616,63
493,67
572,11
745,12
483,75
637,75
218,251
444,72
305,75
746,
浏览 1提问于2017-09-23得票数 3
回答已采纳
从多元多项式回归中能得到一条曲线吗？我知道一个特征列和一个目标列的简单多项式回归。但在这种情况下，我有6个特征。因此，为了简单起见，我将功能列缩减为3(日期、温度、湿度)。目标列(growth_state)仍然是一个。但当我绘制数据的时候。我得到了一个非常奇怪的多条线/形状，而不是单一的S形曲线。原始数据集的数据样本如下所示。(注意:目前我只有160个数据点。能用这些较少的数据点进行多项式回归吗？)
dateInDays Temperature moist growth_state
82 112 13.6086 0.3757 2
83
浏览 4提问于2021-12-24得票数 0
1回答
三维多项式回归
、、
我需要一些指针来为三维点编写多项式回归例程(即找到适合于一定数量的三维点的X阶多项式的系数)。
我已经找到了二维多项式回归的代码，然而，我需要考虑第三维。
我正在寻找代码示例和/或解释。
浏览 0提问于2010-10-09得票数 3
我读过几篇关于多项式回归和非线性回归的文章，但是他们说两者是不同的概念。我的意思是，当你说多项式回归，实际上，它意味着它的非线性权利。那么，为什么数据科学世界在这两个概念上存在差异呢？
浏览 0提问于2019-10-10得票数 4
回答已采纳
2回答
演示过度拟合或欠拟合的理想算法
、、、、
当一个人试图查找概念，如过度拟合和欠拟合，最常见的东西弹出是多项式回归。为什么经常使用多项式回归来演示这些概念？这仅仅是因为它可以很容易地像这里的图表一样可视化吗？
https://scikit-learn.org/stable/auto_实例/模型_选择/地块_下装_overfitting.html
但是，大多数的ml算法，如k均值聚类算法也可以使用。那么为什么通常只进行多项式回归呢？还有其他类似的算法可以使用吗？
浏览 0提问于2021-05-07得票数 1
回答已采纳
X = (6 * np.random.rand(10, 1) - 3)
y_cap = (0.44530754 * X**2)+(1.01366334 * X)+0.13309963
plt.plot(X, y_cap, ls = '--') 我正在解决一个多项式回归问题(degree=2)。我得到了X，X^2的系数，并进行了多项式回归。现在，当我尝试使用上面的代码进行绘图时，我得到了这些直线，而不是曲线。如何解决这个问题？ 📷
浏览 33提问于2020-07-20得票数 1
2回答
使用格雷格有用的答案，我将一条二阶多项式回归线拟合到我的数据集中：
poly.fit<-lm(y~poly(x,2),df)
当我绘制这条线时，我得到了下面的图：
这些系数是：
# Coefficients:
# (Intercept) poly(x, 2)1 poly(x, 2)2
# 727.1 362.4 -269.0
然后我想找出峰值的x值。我假设在R中有一种简单的方法可以做到这一点，但我不知道，所以我去了Wolfram Alpha。我输入了方程式：
y=727.1+362.4x-269x^2
浏览 1提问于2015-06-15得票数 0
我没有一个非常大的数据集。我想使用多项式回归，在不到数百个集合上使用数千(6到25)个数据点。当我将其与原始数据进行比较时，35次的多项式回归给了我一个相当好的结果。将学位提高到35度有什么问题吗？(使用Matlab polyfit，我正在尝试一个较小的向量，大约9k个数据点。)
浏览 0提问于2018-04-06得票数 0
我在Microsoft Access中有一个用于安培和流明的数据集(如下图所示)。此列表可以是任意长度的行。这个示例恰好是三行，但它可以和10+行一样多，也可以更多。我想要计算多项式回归，这样我就可以有另一个数据集表(第二张图)，在那里用户可以输入他们的“流明目标”并自动填充“目标安培”。我对不同路线的建议持开放态度。整体形式是具有多种配置的顶级产品。每种配置具有不同的大小和安培/流明级别。如果我需要澄清什么，请告诉我。
浏览 4提问于2017-01-25得票数 0
回答已采纳
1回答
假设我有一个多项式回归，看起来是这样的
类似于这样的代码：
fig = px.scatter(
x=final_df.index,
y=final_df.nr_deaths,
trendline="lowess", #ols
trendline_color_override="red",
trendline_options=dict(frac=0.1),
opacity=.5,
title='Deaths per year'
)
fig.show()
如何计算多项式回归线特定点上
浏览 3提问于2022-06-29得票数 1
回答已采纳
1回答
我想对我的数据使用多项式回归，但我有超过10个预测值，并且我的样本上的预测值的名称发生了变化。在下面的代码中，我还对我的数据使用了线性回归：
model_lm = lm(gene_expression ~ ., data = donor_snp_sample)
summary_lm <- summary(model_lm)
我在代码中使用了"gene_expression ~ ."，但我不知道如何在多项式回归中使用相同的格式。你能帮帮我吗?
非常感谢
浏览 3提问于2021-03-16得票数 0
1回答
在R中，我对下面的数据库使用了多项式回归。结果表明，R2值较好，各系数和模型的显着性水平均小于0.0 5。但是，当使用shapiro.test测试残差时，p值为0.01088，这意味着残差不符合正态分布。所以我想知道多项式回归是否有效。多项式回归的残差是否必须满足正态假设？
下面是用于回归的代码和数据。
alloy<-data.frame(
x=c(37.0, 37.5, 38.0, 38.5, 39.0, 39.5, 40.0,
40.5, 41.0, 41.5, 42.0, 42.5, 43.0),
y=c(3.40, 3.00, 3.00, 3.27, 2.10
浏览 2提问于2017-05-29得票数 0
回答已采纳
1回答
所以我似乎通过搜索找不到多少线索，所以我来到这里。假设我有3个变量x_1,x_2,x_3，假设多项式的程度是d=2，我可以把变量向量的长度定义为l，这样的话，l=3就可以了。我要找的是系数向量的长度，这是在这些变量上建立多项式回归所需要的。
我说得对吗，多项式回归所需的系数向量的长度是d\times l？
浏览 0提问于2020-12-14得票数 1
回答已采纳
我有输入数据点(x，y，z)，都是正的，需要将它们拟合到曲面上。更具体地说，我必须从x和y数据点创建一个网格，并评估该网格上的数据点，以获得要绘制的z值曲面。 如何进行三次或更高的多项式回归才能将曲面拟合到我的数据点？ 优选地，多项式回归的程度应该是输入值。
浏览 87提问于2019-02-25得票数 2
1回答
我正在用scikit学习LinearRegression和多项式回归。我生成了2次多项式数据集，并训练了3次多项式模型。我希望用原始数据在剧情中过度拟合。但是这个图看起来不像是一条3度曲线。如果我将度数更改为1，它将显示一条可以接受的线条。这里我漏掉了什么？
# over fit
poly_features_3 = PolynomialFeatures(degree=3, include_bias=False)
X_poly_3 = poly_features_3.fit_transform(X)
lin_reg_3 = LinearRegression()
lin_reg_3.fit(X_p
浏览 0提问于2017-07-09得票数 1
1回答
我有一个有5个自变量和1个因变量的数据集。我想知道我能不能对它应用多项式回归模型。如果是，那么请指导我，当我没有任何关于R中多个自变量之间关系的先验信息时，如何将多项式回归模型应用于R中的多个自变量。
另外，请告诉我如何在这种情况下使用预测功能？
假设我的数据中的列是
ind1 ind2 ind3 ind4 ind5 dep
浏览 17提问于2017-07-10得票数 0
回答已采纳
1回答
多项式回归图的多重迹
、、、
我正在实现简单的多项式回归来预测给定大小的视频的时间，这是我自己的数据集。现在，由于某些原因，我的图得到了多个踪迹。
# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
dataset = pd.read_csv('estSize.csv')
X = dataset.iloc[:, 0].values.reshape(-1,1)
y = dataset.iloc[:, 1].values.
浏览 2提问于2018-08-08得票数 3
回答已采纳
我目前正在尝试掌握回归，我遇到过一些人将多项式和多项式这两个词互换使用，但我也听到人们说多项式回归是多项式回归的一部分。我显然很困惑。 我知道多项式函数是这样的：，f(x)=ax^2+bx+c，但据我所知，这也是一个多项式函数。 那么poly和multi的意思是一样的吗？还是有实际的区别？
浏览 19提问于2019-05-01得票数 0
回答已采纳
图7.1统计学习简介
我目前正在研究一本书，名为“在R中应用程序的统计学习简介”，并将解决方案转换为python语言。
我无法得到如何获得置信区间，并绘制他们，如上面的图像(虚线)。我已经划了线。这是我的代码-(我使用多项式回归和预测-‘年龄’和响应-‘工资’，程度是4)
poly = PolynomialFeatures(4)
X = poly.fit_transform(data['age'].to_frame())
y = data['wage']
# X.shape
model = sm.OLS(y,X).fit()
print(model
浏览 4提问于2020-07-30得票数 3
回答已采纳
1回答
smartd在我的硬盘上检测到了一个坏块，我想知道这个块属于哪个文件。我在逻辑卷上有ext3文件系统。Google给了我很多教程(比如这个：http://www.vanderzee.org/bad_区块_何图)，当文件系统直接在hdd块设备上创建时，如何逐块查找文件。他们都没有提到LVM。在我的情况下，有办法逐块查找文件吗？
浏览 0提问于2013-05-25得票数 7
回答已采纳
1回答
我是一个新的R用户，我使用的是一个多项式回归(也就是用多个类的响应变量进行logistic回归)。在我的数据集中，R中的函数'vglm‘有11个连续的预测器和一个响应变量，这三个类都是绝对的。
我想得到我的回归最好的子集，但我不知道如何做。是否有此功能，或者我必须手动执行。因为线性函数似乎不合适。
我试过最好的函数，但它的结果似乎不适用于多项式回归。
我也尝试过一种收缩法，与套索相关的glmnet。它选择模型中的所有变量。但另一方面，使用vglm的多项式回归将一些变量作为无关紧要的变量。
我在互联网上搜索了很多，包括这个网站，但没有找到任何好的答案。所以我在这里问是因为我真的需要帮助。
浏览 2提问于2016-12-09得票数 0
在为这个话题投入了大量的网上搜索后，如果我能得到一些指针，我会在这里结束。请进一步阅读
在分析了Spark 2.0之后，我得出结论，使用spark (单独使用spark )多项式回归是不可能的，那么spark是否有一些扩展可以用于多项式回归？- Rspark它是可以做到的(但正在寻找更好的替代方案)-spark中的RFormula确实可以预测，但系数不可用(这是我的主要要求，因为我主要对系数值感兴趣)
浏览 0提问于2016-08-10得票数 8
1回答
我对这里的熊猫很陌生，在这里搜索，但如果是或不可能，我也找不到答案。
到目前为止，我能够计算这样的简单回归(Y= coef1 * A + coef2 * B)的滚动系数：
model = pd.ols(y=df['Y'],x=df[['A','B']],window_type='rolling',window=100)
model.beta返回coef1和coef2的DataFrame。
在状态模型中，我可以进行多项式回归，但是没有滚动窗口选项：
poly_2 = smf.ols(formula='Y ~ 1 + A+ I
浏览 1提问于2014-11-13得票数 3
回答已采纳
我创建了一个小程序，可以进行线性和多项式回归。目前，这两个回归都在同一张图上。我想把它们放到两个不同的图中(以制作子图)，但我也想有不同的标题(线性回归和多项式回归)。
我不知道怎么做，你能帮帮我吗？
import numpy as np
import matplotlib.pyplot as plt
import math
X = np.array([1,2,3,5,6,7,4,7,8,9,5,10,11,7,6,6,10,11,11,12,13,13,14])
Y = np.array([2,3,5,8,11,14,9,19,15,19,15,16,14,7,13,13,14,13,23
浏览 0提问于2018-03-15得票数 0
我正在做一个多项式回归，我想把它画出来。 我的代码如下： 创建次数为1的多项式回归 mreg6=lm(user_Score~poly(year_of_Release,1)) 创建打印的步骤 plot(year_of_Release~user_Score, col='gray') 创建直线的步骤 lines(sort(year_of_Release),predict(mreg6)[order(year_of_Release)],col='red') 创建图例的步骤 legend('topright',lty=1:2,col=c('red
浏览 40提问于2019-10-14得票数 0
1回答
# Data
order=3
df = pd.read_csv('singleXregression.csv')
X = df.iloc[:, :-1].values
y = df.iloc[:, -1].values
y = y.reshape(len(y),1)
这是我回归的标准开头，但当我尝试使用行对X进行排序时：
X = np.sort(X,axis=1)
它什么也做不了。没有错误消息-只有X仍然没有排序。我知道我可以对其进行id dataframe排序，但我正在尝试为快速复制-粘贴创建一个模板，因此尝试对索引进行操作。为什么这条线不起作用？我知道X和X.shape一
浏览 0提问于2020-05-26得票数 0
1回答
当我们在多项式回归，logistic回归，svm的情况下使用多项式特征时，损失函数是否变成非凸的？
浏览 3提问于2020-07-16得票数 0
我正在尝试绘制一个3D多项式回归图。我有两个自变量(面积和卧室数量)和一个因变量(价格)。每个自变量都有自己的多项式次数(面积有3次多项式，卧室数有4次多项式)。 到目前为止，我只能用"scatterplot3d“包在3D中绘图，但我不能在我的绘图中创建拟合的回归3D平面。 我的问题:我想用拟合的回归三维平面和散点图创建一个三维图形，我应该使用哪个软件包？在我的图中拟合回归3D平面的代码看起来会是什么样子(如果你有一个大概的想法)？ 感谢您的帮助:) 注意:我在r studio cloud中使用了r语言。
浏览 213提问于2019-10-12得票数 1
显然我太盲目和/或太愚蠢了..从多项式回归中提取回归参数的函数poly.transform()在哪里？
浏览 6提问于2017-08-04得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
