Depende se você quer permitir que o usuário consiga treinar novos modelos de regressão polinomial, ou se você só quer que ele utilize um modelo que já foi pré-treinado.
De qualquer forma, faça um backend em Python utilizando o Flask (que você já conhece). A comunicação entre o usuário (cliente front-end) e o backend (Python Flask com IA) será feita por JSON.
Se quiser só que o usuário utilize uma regressão polinomial pré-treinada, você precisa treinar seu modelo com os dados que você tem, e depois salvar o modelo pré-treinado de alguma forma (por exemplo, um pickle com os parâmetros da regressão), e carregá-lo em tempo de execução, ao subir o servidor em Flask. Dessa forma, o cliente front-end do seu site passa os valores da regressão por query string, ou então pelo body de uma requisição à sua função no Flask. E aí o cliente recebe de volta um JSON com os valores resultantes.
Se quiser que o usuário treine o próprio modelo de regressão polinomial dele também, então você precisará de mais um endpoint no seu backend em Flask, que permite que o usuário envie os dados para treinar o modelo. Aqui, só o request body seria adequado, por causa da limitação de tamanho da query string.