如何在Python中进行三次或更多项式多元回归？

我知道sklearn具有从linear_model库执行线性多元回归的功能.

from sklearn import linear_model
regr = linear_model.LinearRegression()
regr.fit('independent data', 'dependent data') 

但是,我的温度似乎与纬度或经度没有线性关系.因此,我推断的某些值似乎不正确.

我当时以为我可以通过执行多项式多元回归而不是线性回归来改善外推法.

已经有一些提供此功能的库了吗？

作为一个基本示例,请考虑以下内容：

# make example data
x = np.linspace(0, 10, 10)
y = x**2 + np.random.rand(len(x))*10

# make new polynomial feature
x_squared = x**2

# perform LR
LR = LinearRegression()
LR.fit(np.c_[x, x_squared], y) # np.c_ stacks the feature into a 2D array.

# evaulate the model
eval_x = np.linspace(0, 10, 100)
eval_x_squared = eval_x**2
y_pred = LR.predict(np.c_[eval_x, eval_x_squared])

# plot the result
plt.plot(x, y, 'ko')
plt.plot(eval_x, y_pred, 'r-', label='Polynomial fit')
plt.legend()

结果图如下：

当然,在此示例中,我们必须手动构建功能,但是希望它向您展示了如何实际实现它.