python中怎么实现非线性回归

利用matplotlib进行可视化得出散点图。

感染人数随日期变化的csv文件

代码如下：

from pandas import read_csv
import matplotlib.pyplot as plt
plt.rcParams['font.family']='SimHei'#解决中文字体
data=read_csv('F:2.csv',encoding='GBK')
plt.scatter(data.日期,data.感染人数)
data.corr()
lrModel=LinearRegression()
x=data[['日期']]
y=data[['感染人数']]
plt.scatter(x,y)
plt.xlabel('日期序数')
plt.ylabel('感染人数')
plt.show()

结果如图（我将3月11日作为第一天）

根据图示很接近二次函数和三次函数，我选择用三次函数来进行拟合。代码如下：

from sklearn.preprocessing import

PolynomialFeatures as pf
pd=pf(degree=3)
x1=pd.fit_transform(x)
irmodle=LinearRegression()
irmodle.fit(x1,y)
a=irmodle.score(x1,y)
b=pd.fit_transform([[18]])
c=irmodle.predict(b)
print(a)
print("预计3/29日的感染人数为",irmodle.predict(pd.fit_transform([[17]])))
print("预计3/30日的感染人数为",c)
print("预计3/31日的感染人数为",irmodle.predict(pd.fit_transform([[19]])))
print("预计4/1日的感染人数为",irmodle.predict(pd.fit_transform([[20]])))

结果如下：