多项式回归分析之预测成本和利润

往期回顾：

Python中有监督学习之回归分析(一)
线性回归预测糖尿病

---

在一元回归分析中，如果变量 y 与自变量 x的关系为非线性的，但又找不到适当的函数曲线来拟合，则可以采用一元多项式回归。

1. PolynomialFeatures

多项式生成函数：

sklearn.preprocessing.PolynomialFeatures(degree=2, interaction_only=False, include_bias=True)

参数说明：
degree：多项式阶数，默认值是2
interaction_only：值如果是True，则会产生相互影响的特征集
include_bias：是否包含偏差列

  PolynomialFeatures 类通过实例化一个多项式，建立等差数列矩阵，然后进行训练和预测，最后绘制相关的图形。

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

# x表示企业成本，y表示企业利润
X = [[400], [450], [486], [500], [510], [525], [540], [549], [558