راه
۶ کیو· متوسطمتوسطPYTHON۴ ثانیه · ۲۵۶ مگابایت

اسپلاین با SplineTransformer

تابع spline_predict(x, y, n_knots, x0) با scikit-learn یک رگرسیون اسپلاین مکعبی می‌سازد:

  1. SplineTransformer(n_knots=n_knots, degree=3) را روی x (به شکل یک ستون، x.reshape(-1, 1)) برازش دهید — گره‌ها یکنواخت بین کمینه و بیشینه‌ی x قرار می‌گیرند،
  2. یک LinearRegression روی ستون‌های تبدیل‌شده آموزش دهید،
  3. و پیش‌بینی را برای نقطه‌های x0 برگردانید.

n_knots عدد صحیح است؛ پیش از دادن به SplineTransformer آن را با int تبدیل کنید.

نمونه‌ها

ورودی نمونه ۱
[[0.01, 0.23, 0.25, 0.35, 0.78, 0.86, 1.23, 1.31, 1.49, 1.55, 1.84, 2.43, 2.44, 2.45, 2.57, 2.59, 2.73, 2.84, 2.95], [0.53, 0.45, 0.96, 0.87, 1.82, 1.71, 1.09, 1.34, 0.32, 0.88, -0.4, -0.16, 0.07, -0.18, -0.25, -0.36, -0.02, 0.6, 0.78], 4, [0.5, 1.5, 2.5]]
خروجی نمونه ۱
[1.219, 0.6495, -0.2106]
ورودی نمونه ۲
[[0.09, 0.19, 0.46, 0.47, 0.69, 0.9, 1.08, 1.2, 1.26, 1.39, 1.4, 1.52, 1.65, 1.72, 1.92, 1.94, 1.95, 2.0, 2.11, 2.15, 2.21, 2.24, 2.29, 2.49, 2.58, 2.61, 2.67, 2.91], [0.44, 0.42, 0.63, 0.93, 0.89, 1.55, 1.15, 1.29, 0.63, 1.26, 0.66, 0.97, 0.59, -0.11, 0.03, -0.25, 0.02, 0.27, -0.04, 0.05, -0.65, -0.24, -0.2, 0.11, -0.31, 0.08, 0.12, -0.03], 6, [0.2, 1.0, 2.0, 2.8]]
خروجی نمونه ۲
[0.423, 1.2629, -0.0713, 0.0634]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود