二次回归可视化图表异常，排序X值修复后原理咨询

我的二次回归代码如下：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
model =LinearRegression()
data =pd.read_csv("Regression.csv")

data['X^2'] =data['X']**2
print(data.head())
y =data['Y'].values
X =data.drop('Y',axis=1).values
print(X)
model.fit(X,y)
print(model.score(X,y))
predicted =model.predict(X)
plt.scatter(data['X'],data['Y'])
plt.plot(X[:,0],predicted)
plt.show()

模型得分高达0.9999827518179073，但绘制X与Y的回归关系图时图表呈锯齿状，效果很差，我期望得到类似Excel生成的平滑回归图表。添加代码data = data.sort_values("X")后，图表恢复正常，想请教该操作有效的原因。

原因解析 #

• 原始数据中的X值是乱序的，plt.plot()函数是按照数据在数组中的原始顺序依次连接坐标点的。如果X值忽大忽小，对应的预测点连线就会在X轴上来回跳转，形成锯齿状线条。
• data.sort_values("X")会将数据集按X值从小到大重新排序，此时X是连续递增的顺序，对应的预测值也会和有序的X一一对应。plt.plot()按这个顺序连接点时，就是顺着X轴从左到右平滑绘制，自然得到和Excel一样的平滑回归曲线。
• 补充说明：线性回归（包括二次回归这类基于线性回归扩展的多项式回归）的拟合过程不依赖样本顺序，只关注特征与标签的对应关系，所以排序后模型的得分不会受到影响，仅改变了绘图时的点连接顺序。

内容的提问来源于stack exchange，提问作者AI ML