多项式回归python代码

以下是一个示例 Python 代码，用于多项式回归，使用 scikit-learn 库：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

# 训练数据
x_train = [[6], [8], [10], [14], [18]]
y_train = [[7], [9], [13], [17.5], [18]]

# 测试数据
x_test = [[6], [8], [11], [16]]
y_test = [[8], [12], [15], [18]]

# 创建一个多项式特征对象
poly = PolynomialFeatures(degree=2)

# 使用多项式对象转换训练和测试数据
x_train_poly = poly.fit_transform(x_train)
x_test_poly = poly.fit_transform(x_test)

# 创建一个线性回归对象
model = LinearRegression()

# 训练模型
model.fit(x_train_poly, y_train)

# 预测
y_predict = model.predict(x_test_poly)

# 绘制图形
plt.scatter(x_train, y_train)
plt.plot(x_test, y_predict)
plt.show()

在上面的代码中，我们首先定义了训练数据和测试数据。然后，我们使用 `PolynomialFeatures` 类将训练和测试数据转换为多项式特征形式。接下来，我们创建一个 `LinearRegression` 对象，并使用转换后的训练数据拟合模型。最后，我们用测试数据预测结果，并绘制出图形。