Polynomial Regression في Sklearn

يمكنك استخدامه عبر الموديول:  preprocessing.PolynomialFeatures

وهو يستخدم مع التوقع الخطي لإعطاء البيانات الصفة اللاخطية، فكما تعلم أن الفرضية المستخدمة مع التوقع الخطي هي معادلة خط مستقيم من الشكل : y=wx+b وبالتالي معادلة مستقيم، وبالتالي في حال البيانات التي لها الشكل التالي لن تكون قادرة على ملاءمتها:

حيث سيكون شكل ال Regressor بعد التدريب كالتالي:

وبالتالي لملاءمة هكذا نوع من البيانات يجب أن تضيف لبياناتك الصفة اللاخطية وبالتالي تكون معادلة ال Regressor قادراة على ملائمة البيانات بالشكل المطلوب كالتالي:

أي يجب أن تكون معادلة ال Regressor كالتالي:
y=b+x1+x1^2+,,,,+x1^n
للقيام بذلك باستخدام Sklearn:

sklearn.preprocessing.PolynomialFeatures(degree=2, include_bias=True)

degree: درجة كثير الحدود المطلوبة.
include_bias: لتضمين الانحراف bias في العملية.
مثال:

import numpy as np
from sklearn.preprocessing import PolynomialFeatures
X = np.arange(4).reshape(2, 2) # تشكيل مصفوفة بقيم عشوائية
print(X)
'''
array([[0, 1],
       [2, 3]])
'''
poly = PolynomialFeatures(2)
print(poly.fit_transform(X)) #  للقيام بعملية التحويل نستدعي هذ التابع
'''
array([[1. 0. 1. 0. 0. 1.]
       [1. 2. 3. 4. 6. 9.]])
'''