问我能用拟合多项式回归来进行反向预测吗？

EN

首先，我想承认，对于一个对我来说有更多机器学习经验的人来说，这可能是一个愚蠢的问题，所以请轻松一点。这是背景。我目前是一名本科生，协助研究/开发由ML驱动的用于合成银纳米晶的机器人化学系统。目前，我们有一个庞大的，非常古老的，没有文件记载的Python代码库，它管理机器人并实现各种ML技术来预测纳米晶的性质，考虑到用于合成纳米晶的试剂的浓度。

现在，我们使用多元多项式回归来预测纳米晶的最大吸收波长，使用一组不同的试剂浓度作为输入属性。我们希望开发一种新的功能，使这一预测在相反的方向，或者，给定一个目标的最大吸光度波长，我们希望预测试剂的浓度，应该使用在反应。由于代码的混乱和微妙状态以及一些时间限制，我们无法轻松地解决建立一个新的多目标模型的问题。下面是我们用来实现回归的代码示例：

from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression

poly_regressor = PolynomialFeatures(degree=6)
X_poly = poly_regressor.fit_transform(X)
poly_reg_model = LinearRegression()
poly_reg_model.fit(X_poly, y)

这里X通常是2-3个特征，取决于实验.这个度总是固定在6。我是否可以使用拟合的poly_reg_model或它中存储的任何参数数据来建立一种预测给定y的X值的“反向模型”？我知道这是一个混乱的，可能是不好的方法，但我的手是被迫的。谢谢!