python进行多元非线性回归

在Python中进行多元非线性回归可以scikit-learn库中的PolynomialFeatures和LinearRegression模块。以下是一个简单的示例：

首先，导入所需的库：

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

接下来，我们创建一个带有两个特征的虚拟数据集：

X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
y = np.array([10, 20, 30, 40])

然后，我们使用PolynomialFeatures模块将特征转换为多项式特征：

poly = PolynomialFeatures(degree=2)
X_poly = poly.fit_transform(X)

现在，我们可以使用LinearRegression模块来训练模型并进行预测：

model = LinearRegression()
model.fit(X_poly, y)

# 预测新数据
new_data = np.array([[9, 10]])
new_data_poly = poly.transform(new_data)
prediction = model.predict(new_data_poly)
print(prediction)

输出结果为：

[50.]

这意味着当特征为（9，10）时，预测的输出为50。