线性回归法有一个很大的局限性，要求假设数据背后是存在线性关系的，但是对于实际应用场景当中，具有线性关系比较强的数据集太少了，更多的是具有非线性关系的数据集。这里引入使用多项式回归，改进线性回归法，可以对的数据进行预测。学习线性回归时，对于某些数据，我们想要找一条直线，让这条直线尽可能的拟合这些数据，如果这些数据只有一个特征的话，相应的直线就是y=ax+b，x是样本特征，a和b就是我们需要求的模型参数。但是有时候数据并没有这种线性关系，因此不能使用线性回归的方法进行预测。
具体例子如下所示：
相当于将原来的一个x特征变换成为多个x特征，增加这些特征后，就可以用（多元）线性回归的方式更好的拟合原来的数据，但是本质上求出了我们对于原来的特征而言的非线性的曲线。