Edellisessä luvussa tarkastelimme toisen asteen regressiota, jonka kuvaaja on paraabeli. Samalla tavalla voimme lisätä yhtälöön x³, jolloin saadaan kolmannen asteen regressio, jonka kuvaaja on monimutkaisempi. Voimme myös lisätä x⁴ ja niin edelleen.

Polynomiregression aste

Yleisesti tätä kutsutaan polynomiyhtälöksi, ja se on polynomiregression yhtälö. Suurin x:n eksponentti määrittää polynomiregression asteen yhtälössä. Tässä on esimerkki

N-asteinen polynomiregressio

Kun n on kokonaisluku, joka on suurempi kuin kaksi, voimme kirjoittaa n-asteisen polynomiregression yhtälön.

Normaaliyhtälö

Ja kuten aina, parametrit määritetään normaaliyhtälön avulla:

Polynomiregressio useilla muuttujilla

Monimutkaisempien muotojen luomiseksi voidaan käyttää polynomiregressiota, jossa on useampi kuin yksi muuttuja. Jo kahdella muuttujalla toisen asteen polynomiregressio tuottaa melko pitkän yhtälön.

Useimmiten näin monimutkaista mallia ei tarvita. Yksinkertaisemmat mallit (kuten monimuuttujainen lineaarinen regressio) kuvaavat aineistoa yleensä riittävän hyvin, ja ne ovat helpompia tulkita, visualisoida sekä vähemmän laskennallisesti raskaita.