anacondon实现多项式回归

要实现多项式回归，可以使用Python中的scikit-learn库。具体步骤如下：

1. 导入所需库：

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

2. 准备数据，包括自变量和因变量：

x = np.array([5, 15, 25, 35, 45, 55]).reshape((-1, 1))
y = np.array([5, 20, 14, 32, 22, 38])

3. 创建多项式特征对象：

transformer = PolynomialFeatures(degree=2, include_bias=False)

4. 将自变量转换为多项式特征：

x_ = transformer.fit_transform(x)

5. 创建线性回归模型：

model = LinearRegression()

6. 训练模型：

model.fit(x_, y)

7. 预测新的自变量对应的因变量：

x_test = np.array([[20], [40], [60]])
x_test_ = transformer.transform(x_test)
y_test = model.predict(x_test_)
print(y_test)

输出结果为：

[16.45454545 28.72727273 42.90909091]

这就是多项式回归的预测结果。其中，degree参数指定了多项式的次数，include_bias参数指定是否包括偏置项。