如何将两个x-y数据集与多项式回归相关联？

Question

我有两个x-y数据集，它们形成两个潜在相关的散点图。

第一个数据集的近似域为0到25,000，范围为0到0.3。 第二个数据集的近似域为0到550，范围为0到4.5。第一个数据集更加精确，可以认为是正确的，因此我尝试将第二个数据集与第一个数据集进行比较，以了解这两个数据集是否相关。第二组也是第一组的逆。

第一个数据集的可视化：

第二个数据集的可视化：

每个数据集的数据以data: { xAxis: [0,1,2,3,4...], yAxis: [0.20779456198215485, 0.20824825763702393, 0.20915564894676208, 0.20960935950279236...] }的形式存储。

方法：

我在弄清楚如何解决此问题时遇到了麻烦。我最初的想法是通过使第一个数据集的数据点精度降低来减少第一个数据集，因此以均匀的间距或某些距离删除约20,000个数据点。我可以将图分成周期片段，然后使用类似regression-js的东西对regression.polynomial(data[, options])进行三阶多项式回归，然后比较两个函数的回归常数以查看它们之间的相关程度。但是，对于经验丰富的人来说，这可能是完全不正确的方法。

任何建议将不胜感激。