在这篇文章中，我将会介绍Python线性回归、多项式回归的基本概念，然后详细说明关于样条回归的更多细节以及它的Python实现。我刚开始学习数据科学时，第一个接触到的Python算法就是线性回归。在把这个Python算法应用在到各种各样的数据集的过程中，我总结出了一些它的优点和不足。
在这里还是要推荐下我自己建的Python开发学习群:483546416，群里都是学Python开发的，如果你正在学习Python ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有Python软件开发相关的），包括我自己整理的一份2018最新的Python进阶资料和高级开发教程，欢迎进阶中和进想深入Python的小伙伴
继续：
件。看看下边这幅图：
众所周知，多项式拟合数据在边界附近往往表现的很不稳定。这是很危险的。样条也有类似的问题。那些拟合超出边界节点数据的多项式比该区域区间中相应的全局多项式得出的结果更加让人意外。为了将这种曲线的平滑性延伸到边界之外的节点上，我们将使用被称为自然样条的特殊类型样条。
比较对样条回归和多项式回归进行比较
通常情况下，样条回归总是表现得的总是比多项式回归要好一些。这是因为多项式回归必须要用很高阶的项才能对数据拟合出比较灵活的模型。但是样条回归则是通过增加节点的数量做到这一点，同时还保持了阶数不变。