我有一段时间序列代码，用于生成线性和二次趋势。我对如何选择degree参数感到困惑。我看到以下定义：

在scikit-learn的PolynomialFeatures中，当传递degree参数时，会创建所有到该度数的项。

我对这个定义不太理解。能用简单的数学解释一下吗？我怎样才能确保我使用的是最佳的度数？

如果您需要，这里是我的代码样本：

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport statsmodels.api as sm                                                                                                                          import statsmodels.formula.api as smf                                                                                                                 import statsmodels.tsa.api as smtimport randomfrom sklearn.linear_model import LinearRegressionfrom sklearn.linear_model import Ridgefrom sklearn.preprocessing import PolynomialFeaturesfrom sklearn.pipeline import make_pipeliney = [5*np.random.normal() for j in range(50)] + [30 + 5 * np.random.normal() for j in range(50)] +  [50 + 5 * np.random.normal() for j in range(50)] +  [20 + 5 * np.random.normal() for j in range(50)]X = [x for x in range(len(y))]X = np.reshape(X, (len(X), 1))model = LinearRegression()model.fit(X, y)trend = model.predict(X)model = make_pipeline(PolynomialFeatures(2), Ridge())model.fit(X, y)quadratic = model.predict(X)fig = plt.figure(1, figsize=(15, 9))ax = fig.add_subplot(111)ax.plot(trend, label="Linear Trend")ax.plot(quadratic, label="Quadratic Trend")ax.plot(X, y, label='Time Series')ax.legend()plt.show()

回答：

你使用2作为degree参数；线性成分将被包含在二次项中。例如，如果你计算的线性成分是2x - 5，而二次项是3x^2 + x + 1，那么函数返回的结果将是它们的和，即3x^2 + 3x + 4。