使用sklearn框架實現多項式迴歸。使用框架更方便，可以少寫很多代碼。
使用一個簡單的數據集來模擬，只有幾條數據。
代碼
如果不用框架，需要自己手動對數據添加高階項，有了框架就方便多了。sklearn 使用 Pipeline 函數簡化這部分預處理過程。
當 PolynomialFeatures 中的degree=1時，效果和使用 LinearRegression 相同，得到的是一個線性模型，degree=2時，是二次方程，如果是單變量的就是拋物線，雙變量的就是拋物面。以此類推。
這裏有一個 fit_intercept 參數，下面通過一個例子看一下它的作用。
當 fit_intercept 爲 True 時，coef_ 中的第一個值爲 0，intercept_ 中的值爲實際的截距。
當 fit_intercept 爲 False 時，coef_ 中的第一個值爲截距，intercept_ 中的值爲 0。
如圖，第一部分是 fit_intercept 爲 True 時的結果，第二部分是 fit_intercept 爲 False 時的結果。
也就是說當 fit_intercept 爲 False 時，模型就把截距放到係數的list裏面了，不單獨拿出來。
爲了方便，本文中我們都把 fit_intercept 設成 False。
運行結果
從圖中看出數據分佈在一條拋物線附近。
最終得到的模型爲：
如果需要代碼和數據集，請掃描下面二維碼關注公衆號【AI developer】，回覆【代碼】即可免費獲取。
