Python中是否有函数或库可以自动计算一组数据点的最佳多项式拟合？我对泛化到一组新数据的 ML 用例并不真正感兴趣，我只关注我拥有的数据。我意识到度数越高，越合身。但是，我想要一些惩罚或查看错误肘部的地方？当我说肘击时，我的意思是这样的（尽管通常它不是那么激烈或明显）：
我的一个想法是使用 Numpy 的 polyfit：https ://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.polyfit.html来计算一系列阶数/度数的多项式回归。Polyfit 要求用户指定多项式的次数，这带来了挑战，因为我没有任何假设或先入为主的概念。拟合度越高，误差越低，但最终会像上图一样平稳。因此，如果我想自动计算误差曲线弯曲的多项式的次数：如果我的错误是 E 并且 d 是我的次数，我想最大化 (E[d+1]-E[d]) - (E[d +1] - E[d]）。
这甚至是一种有效的方法吗？在完善的 Python 库（如 Numpy 或 Scipy）中是否有其他工具和方法可以帮助找到适当的多项式拟合（无需我指定阶数/度数）？我将不胜感激任何想法或建议！谢谢！