python多项式回归_多项式回归（Polynomial Regression）（附代码）

如果一个方程，自变量的指数大于1，那么所有拟合这个方程的点就符合多项式回归。

多项式回归有个很重要的因素就是指数(degree)。如果我们发现数据的分布大致是一条曲线，那么很可能符合多项式回归，但是我们不知道degree是多少。所以我们只能一个个去试，直到找到最拟合分布的degree。这个过程我们可以交给数据科学软件完成。需要注意的是，如果degree选择过大的话可能会导致函数过于拟合， 意味着对数据或者函数未来的发展很难预测，也许指向不同的方向。

这个回归的计算需要用到矩阵数据结构。有的编程语言可能需要导入外库。

我们对所有拟合这个公式的点，用矩阵表示他们的关系

如果用矩阵符号表示：

多项式回归向量的系数(使用最小二乘法)：

Java 和 Python 代码如下：

//需要安装jama包，这里是下载地址： http://math.nist.gov/javanumerics/jama/

import Jama.Matrix;

import Jama.QRDecomposition;

public class PR {

private final int N;

private final int degree;