多项式回归python sklearn

在Python中，你可以使用Scikit-learn库来进行多项式回归。下面是一个使用Scikit-learn中的PolynomialFeatures和LinearRegression模块实现多项式回归的示例代码：

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

# 创建一些示例数据
X = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)  # 自变量
y = np.array([2, 3, 5, 9, 10])  # 因变量

# 使用PolynomialFeatures转换自变量为多项式特征
poly = PolynomialFeatures(degree=2)  # 指定多项式的最高次数为2
X_poly = poly.fit_transform(X)

# 创建并训练线性回归模型
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.transform(X_new)
y_new = model.predict(X_new_poly)

print("预测结果:", y_new)

这段代码将输出预测结果: [23.]
这表示当输入的自变量为6时，根据训练得到的模型，预测的因变量值为23.