from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
import numpy as np
import matplotlib.pyplot as plt
#获取待拟合数据
x = np.linspace(1, 50, 50)
f = np.poly1d([2,5,10])
y = f(x)
#注意，x的形状要是2D，
#因为fit_transform函数对输入数据的形状有要求
x = np.reshape(x,(-1,1))
#开始拟合 degree 代表的是多项式的最高次项的次数
poly_reg =PolynomialFeatures(degree=2)
X_ploy =poly_reg.fit_transform(x)
lin_reg=LinearRegression()
lin_reg.fit(X_ploy,y)
#预测，注意预测的时候，输入的x应该先经过fit_transform，
#然后将fit_transform的返回值传入predict
y_pred = lin_reg.predict(X_ploy)
plt.plot(x,y,c="red")
plt.plot(x,y_pred,c='blue')
plt.show()
