机器学习之数据处理中的多项式扩展实现

多项式扩展

有时候我们在处理数据的过程中，希望在原有特征的基础上，再有更多的，更高次方项特征来拟合数据，这样做的好处是可以使拟合模型打弯，进而拟合的更好。
我们可以利用其它辅助工具来完成这个任务，也可以直接在sklearn中调用多项式生成函数来帮我们完成这个任务，下面简要做个例子。

代码实现

# 导入pandas用于制作数据
import pandas as pd
# 导入PolynomialFeatures生成函数
from sklearn.preprocessing import PolynomialFeatures
# 制作数据
a = pd.DataFrame([[1,2,3],
                  [4,5,6],
                  [1,8,9]],columns = ["feature_1", "feature_2", "label"])
# 建立多项式生成模型
polyCoder = PolynomialFeatures(degree=2, include_bias=True, interaction_only=False)
'''
# 参数简要介绍
degree : 表示要生成原有数据的多少次方项，比如2，就是生成x^2或x*x1
include_bias : 是否包含偏置项
interaction_only ： 是否只生成自身的高次方，如果为true，则不生成x1*x2,x1*x3等，只生成x1^2,x2^2等
'''
# 开始生成，生成以后是一个二维数组，需要再次转为pandas数据类型
df = polyCoder.fit_transform(a)
# polyCoder.get_feature_names()可以获得列名（比如列名：x1x2,x2x3,x2^2），直接赋予新的数据
pd.DataFrame(df, columns=polyCoder.get_feature_names())