sklearn多项式拟合

Sklearn提供了多项式拟合的功能。可以使用PolynomialFeatures类将特征转换为多项式特征，然后使用线性回归模型进行拟合。下面是一个示例代码：

from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression

# 创建一个简单的数据集
X = [[0], [1], [2], [3]]
y = [1, 3, 5, 9]

# 使用多项式特征转换器将特征转换为多项式特征
poly = PolynomialFeatures(degree=2)
X_poly = poly.fit_transform(X)

# 使用线性回归模型进行拟合
model = LinearRegression()
model.fit(X_poly, y)

# 进行预测
X_test = [[4]]
X_test_poly = poly.transform(X_test)
y_pred = model.predict(X_test_poly)

print(y_pred)  # 输出预测结果

在上述代码中，我们首先创建了一个简单的数据集，然后使用PolynomialFeatures将特征X转换为二阶多项式特征X_poly。接下来，我们使用线性回归模型进行拟合，并使用X_test_poly进行预测。

这样就可以使用Sklearn进行多项式拟合了。你可以根据自己的需求调整多项式的阶数（degree参数），以获得更好的拟合效果。