python畫指數函數圖像_python中指數函數的回歸線拟合

我正在學習如何解釋用Python建立的指數函數的線性回歸模型。我建立了一個模型，首先通過取自然對數将指數Y資料轉換成直線。然後我建立一個線性模型，并記錄坡度和截距。最後，我嘗試使用斜率和截距來計算樣本值。具體地說，當X=1.1時，我試圖計算Y。Y應該是~2.14，但是我的模型解釋得到的Y值是3.78。在

問題1：我在解釋模型時做錯了什麼。在

問題2：我必須改變X數組的形狀，否則在重新裝配. 為什麼我要改變X數組的形狀。在

代碼如下：import matplotlib.pyplot as plt

import numpy as np

from sklearn import datasets, linear_model

# create some exponential data

X = np.arange(1, 10, 0.1)

print(X)

Y = np.power(2, X)

print(Y)

# transform the exponential Y data to make it a straight line

ln_Y = np.log(Y)

# show the exponential plot

plt.scatter(X, Y)

plt.show()

# Create linear regression object

regr = linear_model.LinearRegression()

# reshape the X to avoid regr.fit errors

X = np.reshape(X, (X.size, 1))

# Train the model using the training sets

regr.fit(X,ln_Y)

# The coefficients

print('Slope: \n', regr.coef_)

print('Intercept: \n', regr.intercept_)

# predict Y when X = 1.1 (should be approximately 2.14354693)

# equation = e^(0.00632309*1.1) + 2.7772517886

print("predicted val = ", np.exp(0.00632309*1.1) + 2.7772517886)