python多项式回归拟合

在Python中，可以使用NumPy和Scikit-learn库来实现多项式回归拟合。

首先，需要导入所需的库：

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

然后，定义一些样本数据：

x = np.array([1, 2, 3, 4, 5]).reshape((-1, 1))
y = np.array([2, 3, 5, 9, 10])

接下来，将数据进行多项式特征转换：

poly = PolynomialFeatures(degree=2)
x_poly = poly.fit_transform(x)

这里将数据转换成了二次多项式，即将原始数据的一次项和二次项作为新的特征。可以通过修改`degree`参数来调整多项式的阶数。

最后，使用线性回归模型对转换后的数据进行拟合：

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

拟合完成后，就可以使用模型进行预测了：

x_test = np.array([6]).reshape((-1, 1))
x_test_poly = poly.transform(x_test)
y_pred = model.predict(x_test_poly)
print(y_pred)

这里预测了$x=6$时的$y$值。