记得在某个文章中看到在进行非线性拟合时候，比如一元二次函数，可以分三段直线拟合，这个是怎么做到的？有类似的文章推荐一下吗？

在确定了二次曲线及曲线的最小最大x后，可是可以三条直线段拟合（近似），先假定一组足够细粒度均匀划分最小最大x的X，可用X=np.linspace(xmin,xmax,100000)生成，X可分成可变长度三部分但中间各部分位置数整数连续，会有不同斜率和截距共三条直线，三条直线的交点近似可求，由各直线斜率和截距确定，所以不需要将交点坐标作为参数出现，只需要将斜率和截距６参数作未知进行优化求解就可以了，列出mse损失值，求解最优就行，必能找到任意二次曲线段的三直线段最佳拟合。

先导入一些包包括神经网络工具包，并随便生成一条曲线
import numpy as np,matplotlib.pyplot as plt
from sklearn import neural_network
x=np.linspace(-5,5,10000)
y=0.2*x**2+0.1*x+0.1
plt.plot(x,y)
plt.show()
运行上面代码后可以看到是一条二次曲线，再接着建个神经网络模型
myreg=neural_network.MLPRegressor()
myreg.hidden_layer_sizes=5
x=x.reshape(-1,1)
myreg.fit(x,y)
y_predict=myreg.predict(x)
plt.plot(x,y,'r')
plt.plot(x,y_predict,'b')
plt.show()
运行结果自己去试，你还可以试试myreg.activation='leakrelu'，但这个不支持

这回这个是三段的了，仍是原来的代码，但每次训练，因为参数随机初始化的不同，训练结果就不同，这次只有两个神经元在起作用了。