Python作多项式回归

Python中可以使用多种方法进行多项式回归，其中最常用的是使用numpy和scikit-learn库。下面是一个简单的示例代码，演示了如何使用scikit-learn库进行多项式回归：

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

# 创建一个简单的数据集
X = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([2, 4, 6, 8, 10])

# 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
model = LinearRegression()
model.fit(X_poly, y)

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

print(y_new)  # 输出预测结果

在上面的代码中，首先创建了一个简单的数据集，然后使用`PolynomialFeatures`类将输入特征转换为多项式特征。接下来，使用`LinearRegression`类创建线性回归模型，并使用多项式特征进行训练。最后，使用训练好的模型对新的数据点进行预测。