如何使用NumPy新Polynomial API进行线性模型预测？

问题概述 #

使用NumPy旧版poly1d可正常完成线性拟合与预测，但切换到新numpy.polynomial.Polynomial API时，预测代码无法正常工作。

错误原因 #

Polynomial.fit()方法返回的已经是拟合完成的Polynomial实例，无需再用Polynomial(model)重新构造模型。错误的构造方式会导致模型无法正确接收输入并执行预测。

修正后的新版API代码 #

# linear model using numpy.polynomial (new api)
from numpy.polynomial import Polynomial
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# 直接从已创建的DataFrame中提取数据，避免重复转换
X = df['X']
y = df['y']

# 拟合趋势线
model = Polynomial.fit(X[:39].values, y[:39].values, 1)

# 直接使用拟合好的model进行预测，无需重新构造Polynomial实例
predict_result = model(X[39:].values)
print(predict_result)

额外说明 #

• Polynomial.fit()会自动对输入数据做标准化（缩放+平移）处理，若需要获取原始坐标系下的多项式系数，可调用model.convert()方法：

  # 获取原始系数
  original_coeffs = model.convert().coef
  print(original_coeffs)
  

• 若要直接用原始系数创建模型，可使用Polynomial(coeffs)，但这种方式不会自动标准化数据，拟合稳定性可能不如Polynomial.fit()。

内容的提问来源于stack exchange，提问作者Tracyrenee