R语言机器学习：多项式回归

多项式回归是一种常用的机器学习方法，用于建立输入变量与目标变量之间的非线性关系模型。在R语言中，我们可以使用多种方法来实现多项式回归，本文将详细介绍其中一种方法，并提供相应的源代码。

首先，我们需要加载所需的R包。在这个例子中，我们将使用lm()函数来拟合多项式回归模型。

# 加载所需的包
library(ggplot2)

# 生成示例数据
set.seed(123)
x <- seq(0, 10, by = 0.1)
y <- 2 * x^2 + 3 * x - 1 + rnorm(length(x), mean = 0, sd = 5)

# 创建数据框
data <- data.frame(x = x, y = y)

# 可视化数据
ggplot(data, aes(x = x, y = y)) +
  geom_point() +
  labs(x = "x", y = "y") +
  theme_minimal()

上述代码中，我们首先加载了ggplot2包，用于可视化数据。接下来，我们生成了一个示例数据集，其中x是输入变量，y是目标变量。这里我们假设y与x之间存在二次多项式关系，并添加了一些随机噪声。

然后，我们使用lm()函数来拟合多项式回归模型，并绘制回归线。

# 拟合多项式回归模型
model <- lm(y ~ poly(x, degree = 2), data