# Python 中的多項式回歸 > 原文： [https://pythonbasics.org/polynomial-regression-in-python/](https://pythonbasics.org/polynomial-regression-in-python/) 多項式回歸可能非常有用。 X 和 Y 之間并不總是存在線性關系。有時，該關系是指數級或 N 階。 ## 回歸 ### 多項式回歸 您可以繪制 X 和 Y 之間的多項式關系。如果沒有線性關系，則可能需要多項式。 與線性關系不同，多項式可以更好地擬合數據。  您只需一行代碼即可創建此多項式行。 ```py poly_fit = np.poly1d(np.polyfit(X,Y, 2)) ``` 那將訓練算法并使用二階多項式。 訓練后，您可以使用一個新示例通過調用`polyfit`來預測值。 然后它將輸出一個連續值。 ### 示例 下面的示例在收集到的數據上方繪制了一條多項式線。 它訓練算法，然后預測連續值。 ```py import numpy as np import matplotlib.pyplot as plt X = [1, 5, 8, 10, 14, 18] Y = [1, 1, 10, 20, 45, 75] # Train Algorithm (Polynomial) degree = 2 poly_fit = np.poly1d(np.polyfit(X,Y, degree)) # Plot data xx = np.linspace(0, 26, 100) plt.plot(xx, poly_fit(xx), c='r',linestyle='-') plt.title('Polynomial') plt.xlabel('X') plt.ylabel('Y') plt.axis([0, 25, 0, 100]) plt.grid(True) plt.scatter(X, Y) plt.show() # Predict price print( poly_fit(12) ) ``` ### 過擬合和欠擬合 切勿過擬合或欠擬合，這是很重要的，您想抓住這種關系但又不能完全遵循這些要點。 線性關系會欠擬合，而過擬合會選擇程度高到可以擬合點的程度。 相反，您想要捕獲關系。 [下載示例和練習](https://gum.co/MnRYU)