from sqlalchemy import create_engineimport osimport pandas as pdsnowflake_username = os.environ['SNOWFLAKE_USERNAME']snowflake_password = os.environ['SNOWFLAKE_PASSWORD']snowflake_account = os.environ['SNOWFLAKE_ACCOUNT']snowflake_warehouse = os.environ['SNOWFLAKE_WAREHOUSE']snowflake_database = 'test_db'snowflake_schema = 'public'if __name__ == '__main__': engine = create_engine( 'snowflake://{user}:{password}@{account}/{db}/{schema}?warehouse={warehouse}'.format( user=snowflake_username, password=snowflake_password, account=snowflake_account, db=snowflake_database, schema=snowflake_schema, warehouse=snowflake_warehouse, ) ) df = pd.DataFrame([('Mark', 10), ('Luke', 20)], columns=['name', 'balance']) df.to_sql('TEST_TABLE', con=engine, schema='public', index=False, if_exists='append')每次我運行上面的腳本時，馬可福音和路加福音的記錄都會附加到我的test_db.public.test_table表中。
1 回答
ABOUTYOU
TA貢獻1812條經驗 獲得超5個贊
如果你的 x 是一維列向量，np.polyfit()并且np.polyval()將完成工作。np.polyfit(x,y,order,full=True)返回殘差（我相信是殘差平方和）供您檢查最佳順序。您不需要第二次回歸擬合來獲得殘差。
注意，您選擇最小殘差的邏輯在工程師方面是可行的，但在數學上并不合理。這是因為誤差平方和 (SSE) 始終會隨著回歸量數量的增加而減小，因此您始終會從最大多項式階次獲得結果。您必須嘗試使用帶有懲罰的公式，以便在選擇模型時添加更多項（例如AIC或BIC標準）。然而，這部分完全由研究者自由選擇，當然超出了問題本身的范圍。
import numpy as np
import matplotlib.pyplot as plt
# get your x and y as np array
x = np.random.uniform(-1,1, 100)
y = x - x**2 + x**3 - x**4 + np.random.normal(0, 0.1, 100)
def poly_fit(n):
? ls_res=[]
? ls_coeff = []
? for i in range(2, n):
? ? coeff, res, _, _, _ = np.polyfit(x, y, i, full=True)
? ? ls_res.append(res)
? ? ls_coeff.append(coeff)
? # argmin should be taken from a penalized loss function
? # add it here
? return ls_coeff[np.argmin(ls_res)]
plt.scatter(x, y, color='red')
coeff = poly_fit(6)
plt.plot(np.sort(x), np.polyval(coeff, np.sort(x)), color='blue')
plt.title('Polynomial Regression results')
plt.xlabel('Position/level')
plt.ylabel('Salary')
plt.show()
添加回答
舉報
0/150
提交
取消