sklearn 一元非线性回归

好的，针对你的问题，我可以给出以下步骤：

1. 导入需要的库和数据集

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
# 生成数据集
np.random.seed(0)
x = np.linspace(-3, 3, 100)
y = 2 + x + 0.5 * x**2 + np.random.normal(0, 1, 100)

# 可视化数据集
plt.scatter(x, y)
plt.show()

2. 将一元非线性回归转化为多项式回归

# 转化为多项式回归
poly = PolynomialFeatures(degree=2, include_bias=False)
X_poly = poly.fit_transform(x.reshape(-1, 1))

3. 训练模型并进行预测

# 训练模型
lin_reg = LinearRegression()
lin_reg.fit(X_poly, y)

# 进行预测
X_test = np.linspace(-3, 3, 100).reshape(-1, 1)
X_test_poly = poly.transform(X_test)
_pred = lin_reg.predict(X_test_poly)

# 可视化结果
plt.scatter(x, y)
plt.plot(X_test, y_pred, color='r')
plt.show()