最近每天在更新一篇博客，在创作中心里，有很多博客的相关数据： 我就想，要是我一直坚持下去每天一篇，啥时候访问量能到1000，10000？对于这种问题，使用机器学习多项式回归很方便，只说不做不是我的风格，正好暑期比较闲，来分析一波。
首先，当然是数据的获取和处理，非常贴心地提供了导出数据的功能，导出格式为CSV。如你所见，后面三项全是0（疯狂暗示），所以这次只研究时间和访问数的关系。 使用python CSV包将数据导入：
def read_csv(self, filename): f = open(filename + '.csv', encoding="utf-8") infos = list(csv.reader(f)) y = [] for info in infos[1:]: y.append((int)(info[1])) self.train_y = np.array(y) self.train_x = np.array([i for i in range(1,len(y)+1)])然后绘制一个散点图看看：
def draw(self): plot1 = plt.plot(self.train_x, self.train_y, 's', label='input') # plot2 = plt.plot(self.predict_x, self.p1(self.predict_x), 'r', label='polyfit') plt.xlabel('x') plt.ylabel('y') plt.xticks(self.train_x) plt.legend() plt.title('scatter') plt.show()最开始时，我直接用这个数据进行多项式拟合，预测结果不理想，因为我当前数据量较少，数据规律性不明显，机器学习时受到极端数据影响较大，也容易过拟合，导致预测结果不准确，那么怎么处理呢？ 既然每日访问量有这样的问题，那么就试试总阅读量。同时，我们将数据分为两个部分，train集和test集（最后五组数据）：
def read_csv(self, filename): f = open(filename + '.csv', encoding="utf-8") infos = list(csv.reader(f)) train_y = [] test_y = [] self.data_len = len(infos) self.predict_x = np.array([i for i in range(self.data_len)]).reshape([-1, 1]) for index, info in enumerate(infos[1:]): if index == 0: train_y.append(int(info[1])) elif index < len(infos) - 6: train_y.append(int(info[1]) + train_y[index - 1]) elif index == len(infos) - 6: test_y.append(int(info[1]) + train_y[index - 1]) else: test_y.append(int(info[1]) + test_y[index - len(train_y) - 1]) self.train_x = np.array([i for i in range(1, len(train_y) + 1)]) self.train_x = np.array(self.train_x).reshape([len(self.train_x), 1]) self.train_y = np.array(train_y) self.test_x = np.array([i for i in range(len(train_y) + 1, len(train_y) + len(test_y) + 1)]) self.test_x = np.array(self.test_x).reshape([len(self.test_x), 1]) self.test_y = np.array(test_y) self.test_y = self.test_y.reshape([len(self.test_y), 1])可以看到，这个时候图像的特征就比较明显了。
这里使用的是scikit-learn库的多项式回归：
# 模型拟合 def predict(self): poly_reg = PolynomialFeatures(degree=self.degree) X_ploy = poly_reg.fit_transform(self.train_x) # 将数据处理成多项式特征 self.model = linear_model.LinearRegression() # 使用线性回归模型 self.model.fit(X_ploy, self.train_y) # print("predict result:", self.model.predict(poly_reg.fit_transform(self.test_x))) self.predict_x = poly_reg.fit_transform(self.predict_x) self.predict_y = self.model.predict(self.predict_x) print("r-squared:",self.model.score(poly_reg.fit_transform(self.test_x), self.test_y))degree分别选取2，3，4,6，使用测试集对模型效果判断，sklearn中的score函数计算的是的R2（蓝点为训练数据，橙线为预测结果，橙点为测试数据）: 可以看到： degree=3时，模型拟合效果最好，对后五组数据的预测最准确 degree=2时，模型欠拟合（underfitting） degree=4，6 时，模型过拟合（overfitting），导致预测不准确
既然我们得到了需要的模型，那么下一步就是使用这个模型来完成最开始的目标，预测。
def get_day(self,visits): poly_reg = PolynomialFeatures(degree=self.degree) i = 0 while(True): if self.model.predict(poly_reg.fit_transform([[i]]))[0]>visits: print("预计第 %d 天阅读量到达 %d"%(i,visits)) return i+=1首先，试试1000： 作为一个有梦想的人，1000肯定是不能满足的：
