有3个列表的值，要用多项式回归去预测另一个列表的值，请写出具体代码，列表用随机数生成，并写出测试过程，即3个值预测一个值

使用Python的第三方库Scikit-learn可以实现多项式回归。首先需要导入所需的库，然后生成随机数据，拟合模型，并进行预测。

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

#生成随机数据
np.random.seed(0)
x = 2 - 3 * np.random.normal(0, 1, 20)
y = x - 2 * (x ** 2) + 0.5 * (x ** 3) + np.random.normal(-3, 3, 20)

#使用多项式回归
transformer = PolynomialFeatures(degree=3, include_bias=False)
x_ = transformer.fit_transform(x.reshape(-1, 1))

model = LinearRegression().fit(x_, y)

#进行预测
x_test = np.linspace(-3, 2, 100).reshape(-1, 1)
x_test_ = transformer.transform(x_test)
y_pred = model.predict(x_test_)

#输出结果
print(y_pred)

在这个例子中，我们使用3阶多项式回归，并将随机生成的数据拟合到模型中，然后使用这个模型对新的x_test数据进行预测，得到y_pred的预测值。

如果要预测3个列表的值，可以把上面的代码改成如下：

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

#生成随机数据
np.random.seed(0)
x1 = 2 - 3 * np.random.normal(0, 1, 20)
x2 = 2 - 3 * np.random.normal(0, 1, 20)
x3 = 2 - 3 * np.random.normal(0, 1, 20)
y = x1 - 2 * (x2 ** 2) + 0.5 * (x3 ** 3) + np.random.normal(-3, 3, 20)
X=np.column_stack((x1, x2, x3))

#使用多项式回归
transformer = PolynomialFeatures(degree