Python 从图中识别不同的回归（线性、多项式），并相应地拟合回归模型

我正在为我的数据集使用不同的机器学习算法。我正在使用python。我是机器学习的初学者

这是我的数据集的可视化。可以理解的是，线性回归在整个集合中表现不佳。

我愿意将图表分为3个区域。像这样的图像。我想有3个区域，分别是常数部分、多项式部分和线性部分。

我想先预测X，然后需要知道它位于哪一部分，然后它将根据该部分拟合模型。就像如果X位于多项式部分，系统将识别为多项式部分，它需要拟合为多项式回归

---

我的问题是，我如何才能以这种方式实施它？请给我一些有价值的建议

在我看来，您可能需要使用逻辑回归而不是线性回归。数据的形状是非常规则和数学化的，你只需要为它找到正确的方程。

我使用了随机森林回归器和10个估计器，它在这个数据集上表现良好。它的r2分数为0.98。我也试过SVR，但它不能正确地匹配数据点

实际上，我计划对图的不同部分使用不同的算法。甚至有可能做到这一点吗？方程的意思是找到数据点之间的数学关系吗？是的，数据点之间的数学关系。在技术上，您可以为每个部分使用不同的算法，但我不建议这样做。看起来你可以只使用一种算法，你只需要选择正确的一种。顺便说一下，你的常数部分并不是真的常数。常数表示不同x的相同y。但在你的数据中，它是：同一个x的y不同。你不能用一个常数函数来拟合这样的数据（只是拟合一个截距）。是的，我后来在用极限绘制图表时意识到了这一点，并发现它不是常数。