Квадратичная функция аппроксимации двух больших выборок данных в Python для прогнозирования ⇐ Python

[Anonymous]

используя этот CSV-файл:
https://docs.google.com/spreadsheets/d/ ... sp=sharing
Я пытаюсь выясните, как написать программу, соответствующую квадратичной функции, чтобы предсказать изменение глобальной температуры
(y) в зависимости от года (x).
Имеющаяся в виду функция:функция
Программа должна создать график, показывающий примеры обучения и квадратичную подгонку
данных.
Это то, что у меня есть на данный момент в качестве пробы, чтобы понять основы. Просто нужно его конвертировать:
import numpy as np
from numpy.linalg import inv
import matplotlib.pyplot as plt

#Generate 200 training examples

m = 200
x = np.random.randn(m)
y = np.random.randn(1) * x ** 2 + np.random.randn(1) * x +
np.random.randn(1)
y = y + 0.4 * np.random.randn(m)

#Quadratic Fit

X = np.transpose([np.ones(m), x, x ** 2])
print(np.shape(X))
print(np.shape(y))

theta = inv(np.transpose(X) @X) @ np.transpose(X) @ y

plt.plot(x, y, 'bo')

xp = np.arange(-5, 5, 0.1)
yp = theta[0] + theta[1] * xp + theta[2] * xp ** 2

plt.plot(xp, yp, 'r-')


Подробнее здесь: https://stackoverflow.com/questions/741 ... to-predict