我已经开发了一个多项式回归模型来预测我的目标值。问题是，使用“predict”方法的预测结果是合理的，但是当我通过系数和截距计算目标变量时，得到的值与“predict”方法给出的值相差甚远。

pol = PolynomialFeatures(degree= 9)    xp = pol.fit_transform(x_train)    poly_reg = LinearRegression()poly_reg.fit(xp,y_train)    poly_test = pol.fit_transform(x_test)    pred = poly_reg.predict(poly_test)poly_reg.predict(pol.fit_transform([[2]]))Output:array([[6.07673981]])

如果我通过系数和截距计算 x = 2 的 y 值，我得到的值大约是 90。

[[ 0.00000000e+00, 4.66507179e+00, -7.69101941e-01 ,-5.47401755e-01,2.92321976e-01, -5.57600284e-02, 5.44143396e-03, -2.91464609e-04,8.16565621e-06, -9.36811416e-08]][[0.99640058]]

回答：

在多项式变换中，变量的值会以某种方式转换，使其适应线性模型。所以如果方程是

x^3+x^2+x+c 这是多项式方程

当你应用多项式特征时，它会创建 X 的值，使我们可以在线性方程中使用，从而应用线性模型。

因此，使用线性系数和实际的多项式 x 值将会得到不同的答案