多项式回归，matplob绘图

机器学习，用的Polynomial Regression，在jupyter运行，思路是先从excel读数据，再用LabelEncoder重新排序并索引，最后进行regression
问题：不管怎么改degree的数值，只能输出degree=2的图像，但是每次MSE都不一样

import numpy as np  
import sklearn.linear_model as lm    
import matplotlib.pyplot as plt 
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures
from sklearn import preprocessing
from sklearn.preprocessing import LabelEncoder
from sklearn.metrics import mean_squared_error

df=pd.read_excel('data.xlsx',sheet_name='T5',header=9,nrows=1)
df.isnull()
data=df.iloc[0]    #read 2022 to 1950 into data
Y=data[1:]
le=LabelEncoder()
X=le.fit_transform(df.columns[1:])

datasets_X=np.arange(1950,2014,step=1)
dataset_length=len(datasets_X)
datasets_Y=data[2023-datasets_X]
datasets_Y=np.array(datasets_Y)
datasets_X=np.array(datasets_X).reshape([dataset_length,1])
test_X=np.arange(2014,2023,step=1)
test_length=len(test_X)
test_X=np.array(test_X).reshape([test_length,1])

poly_reg=PolynomialFeatures(degree=2)   ##reset degree
X_poly=poly_reg.fit_transform(datasets_X)
lin_reg=lm.LinearRegression()
lin_reg.fit(X_poly,datasets_Y)
data1=poly_reg.fit_transform(test_X)
pred=lin_reg.predict(data1)
TEST=[5469724,5535002,5607283,5612253,5638676,5703569,5685807,5453566,5637022]
mse=mean_squared_error(TEST, pred)

plt.scatter(datasets_X,datasets_Y,s=10)
my_x_ticks=np.arange(1950,2023,10)
plt.xticks(my_x_ticks)
X=np.arange(1950,2023).reshape([-1,1])
plt.plot(X,lin_reg.predict(poly_reg.fit_transform(X)),color='black')
plt.xlabel("Year")
plt.ylabel("Total Population(*$10^6)$")
plt.title("Multiple Regression")
plt.scatter(test_X,TEST,s=10)
plt.show()
print(mse)

看起来这个代码只做了二次多项式回归，并且在图像中绘制了回归曲线。如果你想更改degree，你需要更改以下代码：

poly_reg=PolynomialFeatures(degree=2)   ##reset degree

把degree的值设置为你想要的数值。

然而，每次运行代码所得到的MSE值都不一样是正常的。因为训练数据和测试数据是随机选取的，如果每次运行代码都选取了不同的训练数据和测试数据，则每次的MSE值都会有所不同。

这可能是因为您在代码中没有正确地指定degree的值，或者存在缓存问题导致每次运行的结果不同。我建议您仔细检查您的代码，确保您正确地指定了degree的值。同时，如果存在缓存问题，请尝试重启jupyter或清除您的内核。