本文详解如何正确使用 scikit-learn 对形状为 (n_samples, n_features) 的二维实验数据（如多传感器阵列）构建全局多项式回归模型，重点纠正将每行样本直接视为独立多项式输入的常见误解，并提供可复现的合成数据验证方案。
本文详解如何正确使用 scikit-learn 对形状为 `(n_samples, n_features)` 的二维实验数据（如多传感器阵列）构建全局多项式回归模型，重点纠正将每行样本直接视为独立多项式输入的常见误解，并提供可复现的合成数据验证方案。
在处理多传感器、多通道的物理实验数据时，常遇到形如 X.shape = (n_samples, n_features) 的二维输入矩阵（例如：100次测量 × 12个传感器通道），其对应理论输出 Y 同样为 (n_samples, n_features)。此时若假设每个输出通道与所有输入通道之间存在统一的标量多项式关系（如 Y_ij = a + b·X_ij + c·X_ij²），关键在于明确建模粒度：并非对每行样本整体拟合一个高维多项式，而是对每个 (i,j) 元素独立建模——即把整个二维数组“展平”为长向量，使每个标量输入-输出对参与训练。
这是因为 PolynomialFeatures 默认将每一行视为一个 n_features 维向量，并生成包含交叉项（如 x₁x₂, x₁², x₂² 等）的高维特征空间；而你的目标关系 Y = a + b·X + c·X² 是逐元素（element-wise）的非线性变换，不含跨特征的交互项。若直接传入二维 X 和 Y，LinearRegression 会尝试用 n_features 个输入预测 n_features 个输出（多输出回归），但 PolynomialFeatures(2) 生成的特征含 1 + n_features + n_features*(n_features+1)//2 维，导致维度不匹配且语义错误。
✅ 正确做法是将输入 X 和输出 Y 同时展平为一维向量，使模型学习标量映射 y = f(x)：
import numpy as np
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
# 生成合成数据：100样本 × 12特征
n_samples, n_features = 100, 12
np.random.seed(42)
X = np.random.randn(n_samples, n_features)
Y = 0.3 + 1.7 * X - 0.5 * X**2 # 逐元素二次关系
# 关键步骤：展平为 (n_samples * n_features, ) 向量
X_flat = X.ravel()[:, np.newaxis] # 形状: (1200, 1)
Y_flat = Y.ravel() # 形状: (1200, )
# 构建并训练模型
poly = PolynomialFeatures(degree=2, include_bias=True)
X_poly = poly.fit_transform(X_flat) # 生成 [1, x, x²] 特征
X_train, X_test, y_train, y_test = train_test_split(
X_poly, Y_flat, test_size=0.3, random_state=42
)
model = LinearRegression()
model.fit(X_train, y_train)
# 输出系数：[a, b, c] 对应 1, x, x²
print("截距项 (a):", model.intercept_)
print("一次项系数 (b):", model.coef_[1]) # 对应 x
print("二次项系数 (c):", model.coef_[2]) # 对应 x²
# 预期输出接近 [0.3, 1.7, -0.5]
⚠️ 注意事项：
- 若实际物理关系含跨传感器交互项（如 Y₁ = a + b·X₁ + c·X₂ + d·X₁·X₂），则应保留二维结构并使用 PolynomialFeatures 原生处理（此时 X 每行为一个样本，Y 需为 (n_samples,) 向量或使用 MultiOutputRegressor）；
- 展平法仅适用于 各通道独立、同构的非线性映射（即每个 (i,j) 对满足相同多项式参数）；
- 训练后预测时，需对新数据同样展平→预测→重塑：y_pred_2d = model.predict(X_new.ravel()[:, np.newaxis]).reshape(X_new.shape)。
总结：二维数据多项式回归的核心在于明确建模单元——是“每个样本的多维特征组合”还是“每个测量点的标量非线性响应”。选择展平策略可精准还原 Y = a + bX + cX² 这类逐元素关系，并通过合成数据验证系数回收精度，为真实传感器校准提供可靠基础。
