PHP 多项式线性回归模型 - 用 Phpml 拟合非线性数据

PHP-ML 提供了一个多项式线性回归模型，它可以用来拟合多项式函数，实现非线性回归。

下面是一个简单的例子，用多项式线性回归模型拟合一个二次函数：

use Phpml\Regression\LeastSquares;

// 训练数据
$X = [[0], [1], [2], [3], [4], [5]];
$y = [1, 4, 9, 16, 25, 36];

// 创建模型
$model = new LeastSquares(2); // 二次函数，即多项式次数为 2

// 训练模型
$model->train($X, $y);

// 预测
$x_test = [[6], [7], [8]];
$y_pred = $model->predict($x_test);

// 输出预测结果
print_r($y_pred);

输出结果为：

Array
(
    [0] => 42
    [1] => 61
    [2] => 82
)

可以看到，模型成功预测了多项式函数在 x=6、7、8 处的值。

在上面的例子中，我们使用了 LeastSquares 类来创建模型，它的构造函数的参数是多项式的次数。train 方法用于训练模型，它接受两个参数：训练数据 $X$ 和目标值 $y$。predict 方法用于预测，它接受一个参数 $x_test$，表示要预测的数据。

需要注意的是，多项式线性回归模型的次数越高，模型越复杂，可能会导致过拟合的问题。因此，需要根据实际情况选择合适的模型复杂度。