二元二次多项式回归python

在Python中，你可以使用`numpy`和`scikit-learn`库来进行二元二次多项式回归。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

# 输入数据
X = np.array([[0, 1], [1, 2], [2, 3], [3, 4]])
y = np.array([1, 3, 7, 9])

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

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

# 预测新数据
X_test = np.array([[4, 5], [5, 6]])
X_test_poly = poly.transform(X_test)
y_pred = model.predict(X_test_poly)

print(y_pred)  # 打印预测结果

在上面的代码中，首先定义了输入数据`X`和目标数据`y`，然后使用`PolynomialFeatures`将输入数据转换为二元二次多项式特征。接下来，创建了一个线性回归模型`LinearRegression`，并使用`fit`方法拟合转换后的数据。最后，使用`predict`方法对新的测试数据进行预测，并打印预测结果。

希望这可以帮助到你！如果有任何其他问题，请随时问我。