Лучшая степень для полинома используя метрику r2_score

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from sklearn.metrics import r2_score
from sklearn.linear_model import LinearRegression
 
data = pd.read_csv('3.10_non_linear.csv', sep=',')
 
def generate_degrees(source_data: list, degree: int):
    return np.array([
        source_data**n for n in range(1, degree + 1)
    ]).T
 
for i in range(1, 11):
    degree = i
 
    X = generate_degrees(data['x_train'], degree)
    model = LinearRegression().fit(X, data.y_train)
    y_pred = model.predict(X)
    error = r2_score(data['y_train'], y_pred)
    print("Степень полинома %d Ошибка %.5f" % (degree, error))
    plt.scatter(data['x_train'], data['y_train'], 40, 'g', 'o', alpha=0.8, label='data')
    plt.plot(data['x_train'], y_pred)
 
plt.show()
#Степень полинома 1 Ошибка 0.51947
#Степень полинома 2 Ошибка 0.53347
#Степень полинома 3 Ошибка 0.88840
#Степень полинома 4 Ошибка 0.89549
#Степень полинома 5 Ошибка 0.89556
#Степень полинома 6 Ошибка 0.89934
#Степень полинома 7 Ошибка 0.90046
#Степень полинома 8 Ошибка 0.90866
#Степень полинома 9 Ошибка 0.90881
#Степень полинома 10 Ошибка 0.90911

from sklearn.preprocessing import PolynomialFeatures