Линия наилучшего соответствия через точки данных
В идеале требуется полиномиальная подгонка или Гауссова регрессия процесса. Не знаете, как реализовать это в sklearn. Данные хранятся в пандах.
Я пробовал ниже, но он загружается очень медленно, даже когда есть только 128 точек данных.
from sklearn.svm import SVR
X, y = df11[['P1FRAMES']], df11[['A']]
svr_lin = SVR(kernel='linear', C=1e3)
svr_poly = SVR(kernel='poly', C=1e3, degree=2)
y_lin = svr_lin.fit(X, y).predict(X)
y_poly = svr_poly.fit(X, y).predict(X)
Есть ли более быстрый способ получить линию наилучшего соответствия полинома второго порядка? Или какая-нибудь другая линия, которая, по вашему мнению, подойдет?
Спасибо
Том