python中实现多项式回归的代码

在Python中，可以使用`numpy`库来创建多项式特征，然后结合`sklearn`库中的`LinearRegression`来进行多项式回归。以下是一个简单的例子：

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

# 假设我们有如下数据
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 6, 8, 10])

# 创建一个二阶多项式特征
poly = PolynomialFeatures(degree=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)

# 预测新值
new_X = np.array([[6], [7]])
new_X_poly = poly.transform(new_X)
predicted_y = model.predict(new_X_poly)

print("预测结果：", predicted_y)

在这个例子中，我们将原始的一维数据转换成了二维多项式特征，然后用这个特征向量来训练线性回归模型。注意，`degree`参数决定了特征的最高次数。