请介绍下python中的多项式回归的使用场景，优势，已经试用的样本集的大小

多项式回归是一种非线性回归方法，其使用场景包括但不限于以下情况：

1. 数据呈现出曲线形状的趋势，不能用简单的线性回归模型拟合。

2. 数据中存在明显的周期性变化，例如季节性数据。

3. 数据中存在异常值或者噪声，需要使用更加灵活的模型来拟合。

多项式回归模型的优势在于它可以通过引入多项式特征来拟合非线性关系，从而提高模型的拟合能力。尤其是在数据量不大、样本分布不规律或者噪声较多的情况下，多项式回归模型可以更好地适应数据的特点，提高模型的预测准确性。

已经试用的样本集的大小需要根据具体情况来定。一般来说，多项式回归模型需要足够的样本量来支持多项式特征的引入，否则容易出现过拟合的情况。在实践中，我们需要根据数据的特点和业务需求来选择合适的样本集大小。一般来说，样本量越大，模型的拟合能力越强，预测准确性也会相应提高。