多项式拟合sklearn的Python代码

在Python中，可以使用scikit-learn (sklearn) 库来进行多项式拟合。下面是一个简单的例子，演示了如何使用`PolynomialFeatures`和`LinearRegression`来拟合一次、二次和三次多项式：

# 导入必要的库
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
import numpy as np

# 创建一些示例数据
np.random.seed(0)
x = np.linspace(0, 10, 50)
y = 2 * x + 3 + np.random.normal(0, 2, x.shape)

# 一次、二次和三次多项式拟合
for degree in [1, 2, 3]:
    # 转换数据以便添加特征
    poly = PolynomialFeatures(degree=degree)
    x_poly = poly.fit_transform(x[:, np.newaxis])

    # 创建线性回归模型并训练
    model = LinearRegression()
    model.fit(x_poly, y)

    # 打印拟合结果
    print(f"Degree {degree} polynomial fit:")
    print("Intercept:", model.intercept_)
    print("Coefficients:", model.coef_)

    # 可视化原始数据和拟合曲线
    plt.scatter(x, y, label=f'degree={degree}')
    x_new = np.linspace(0, 10, 100)
    y_new = model.predict(poly.transform(x_new[:, np.newaxis]))
    plt.plot(x_new, y_new, label='fit', linestyle='dashed')
plt.legend()
plt.show()