python多项式回归预测（基于淘宝双十一数据）

双11已经结束，按照天猫官方公布的最终数据看，今年的双11成交额为2684亿元，成功刷新了自己创下的商业纪录。然而，早在2019年4月就有网友指出，从天猫双十一的全天销售额来看，实际生产数据几乎完美地分布在三次回归曲线上，拟合度均超过99.94%，几乎为1，而且生产数据有10年之久，每一年的数据都这么高度拟合，数据过于完美。与此同时，这名网友还预测，“2019年淘宝双11当天的销售额为2675.37亿或2689.00亿。”，而这一预测，也因为贴合天猫今年的双十一最终交易数据，而被认为是神预测。
针对这一内容，天猫相关负责人此前也回应称，“按照网友的逻辑，符合统计趋势的就是假的。那么，世界经济总量也是能被预测的，经济发展也是假的吗？自己YY下满足自嗨就算了，由此得出天猫双11数据造假，就是造谣了哦，要负法律责任的！”
咱们且不论天猫数据有没有造假，今天我们通过这个案例中数据，利用python进行多项式回归的训练，学习一下多项式回归，顺便看看天猫的数据到底有多么‘完美’。

一.首先看一下天猫数据的‘庐山真面目’

# 1  用 Pandas 加载数据集
import pandas as pd
from matplotlib import pyplot as plt

df = pd.read_excel("E:\\job\\tmall.xlsx",header=0)
#df
# 2  绘制趋势图像
# 从原数据集中分离出需要的数据集（DataFrame）
x = df['year']
y = df['total']
# 绘图
plt.plot(x, y, 'r')
plt.scatter(x, y)
plt.title('tmall_trand')

二.二次多项式回归预测

# 3  训练集和测试集划分
# 将2009-2018年的数据定义为训练集，2010-2019年的数据定义为测试集
train_df = df[:int(len(df)*0.95)]
test_df = df[int(len(df)*0.05