多项式回归 python

多项式回归是一种机器学习算法，用于拟合非线性数据。在 Python 中，可以使用 Scikit-learn 库来实现多项式回归。以下是一个简单的示例代码：

import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

# 构造样本数据
X = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([2, 3, 5, 9, 12])

# 创建多项式特征
poly_features = PolynomialFeatures(degree=2)
X_poly = poly_features.fit_transform(X)

# 创建线性回归模型并拟合数据
model = LinearRegression()
model.fit(X_poly, y)

# 预测新的数据点
X_new = np.array([6]).reshape(-1,1)
X_new_poly = poly_features.transform(X_new)
y_new = model.predict(X_new_poly)

print("预测结果:", y_new)

在上述代码中，首先将样本数据 X 和 y 定义为 numpy 数组。然后使用 PolynomialFeatures 类创建多项式特征，degree 参数指定多项式的次数。接下来，使用 LinearRegression 类创建一个线性回归模型，并使用 fit 方法拟合数据。最后，使用 transform 方法将新的数据点转换为多项式特征，并使用 predict 方法进行预测。

这是一个简单的多项式回归示例，你可以根据需要调整多项式的次数来更好地拟合数据。希望对你有帮助！如果还有其他问题，请随时问我。