如何在matplotlib中绘制多项式回归图

在matplotlib中绘制多项式回归图，可以按照以下步骤进行：

导入所需的库和模块：

import numpy as np
import matplotlib.pyplot as plt

创建数据集：

x = np.linspace(-5, 5, 100)  # 创建自变量x的取值范围
y = 2 * x**3 + 3 * x**2 - 5 * x + 2  # 创建对应的因变量y

使用np.polyfit()函数进行多项式回归拟合：

coefficients = np.polyfit(x, y, deg=3)  # 进行3次多项式回归拟合，返回拟合系数
poly = np.poly1d(coefficients)  # 构造拟合的多项式函数

绘制原始数据散点图和拟合曲线：

plt.scatter(x, y, label='Data')  # 绘制原始数据散点图
plt.plot(x, poly(x), color='r', label='Polynomial Regression')  # 绘制拟合曲线
plt.xlabel('x')  # 设置x轴标签
plt.ylabel('y')  # 设置y轴标签
plt.title('Polynomial Regression')  # 设置图表标题
plt.legend()  # 显示图例
plt.show()  # 显示图表

在上述代码中，我们首先创建了自变量x的取值范围，并根据多项式回归的公式生成对应的因变量y。然后，使用np.polyfit()函数进行多项式回归拟合，其中deg参数指定了多项式的次数。接着，通过np.poly1d()函数构造了拟合的多项式函数。最后，使用plt.scatter()函数绘制原始数据散点图，使用plt.plot()函数绘制拟合曲线，并通过一系列的函数调用设置了图表的标题、轴标签和图例等。

这是一个简单的多项式回归图的绘制过程，可以根据具体需求进行进一步的定制和美化。关于matplotlib的更多功能和用法，可以参考腾讯云的数据可视化产品Matplotlib介绍页面：https://cloud.tencent.com/document/product/849/39088。