多项式特征生成--PolynomialFeatures类
目录
- PolynomialFeatures
- 参数
-
- degree
- interaction_only
- include_bias
- order
- 属性
-
- powers_
- n_features_in_
- feature_names_in_
- n_output_features_
- 方法
-
- fit(X[, y])
- fit_transform(X[, y])
- get_feature_names([input_features])
- get_feature_names_out([input_features])
- get_params([deep])
- set_params(**params)
- transform(X)
- 应用示例
PolynomialFeatures
sklearn.preprocessing.PolynomialFeatures(degree=2, *, interaction_only=False, include_bias=True, order='C')
生成多项式和交互特征
生成一个新的特征矩阵，由所有的阶小于等于参数degree的多项式特征组合而成
- 比如，如果输入的样本是二维的数据： [ a , b ] [a,b] [a,b]，参数
degree=2，那么生成的二项式特征为 [ 1 , a , b , a 2 , a b , b 2 ] . [1, a, b, a^2, ab, b^2]. [1,a,b,a2,ab,b2].- 为什么要生成多项式特征？
当初始的数据特征较少时，使用模型对数据进行拟合往往会出现过拟合的现象，但是，获取数据的代价经常是非常高昂的，而且从已知数据中挖掘出更多特征也不是一件容易得事情，所以我们可以用纯数学的方法来人为的制造一些特征，比如，原来的输入特征只有 x 1 , x 2 x_1,x_2 x1,x2，其对应的多项式特征有： x 1 , x 2 , x 1 x 2 , x 1 2 , x 2 2 x_1,x_2,x_1x_2,x_1^2,x_2^2 x1,x2,x1x2,x12,x22
参数
degree
int or tuple (min_degree, max_degree), default=2
| 数据类型 | 描述 |
|---|---|
| int | 指定了多项式特征的最高阶数 |
| tuple (min_degree, max_degree) | 指定多项式特征的阶数范围 |
interaction_only
bool, default=False
如果为真，只生成交互特征（由不同特征生成的多项式特征,其阶数小于参数degree且不同于输入特征）
假设输入数据有两列特征（x,y）,那么当该参数为True时，多项式特征的生成情况如下
| 生成情况 | 描述 |
|---|---|
| 生成 | x , y , x y x,y,xy x,y,xy |
| 不生成 | x 2 , y 2 x^2,y^2 x2,y2 |
include_bias
bool, default=True
如果为真，引入一个偏差数据列，其中所有多项式幂都为零
order
{‘C’, ‘F’}, default=’C’
在密集情况下输出数组的顺序，
属性
powers_
ndarray of shape (n_output_features_, n_features_in_)
每个输入数据的指数
n_features_in_
int
拟合过程中的特征数量
feature_names_in_
ndarray of shape (n_features_in_,)
拟合过程中的特征名称
n_output_features_
int
多项式特征数量
方法
fit(X[, y])
计算输出特征的数量
Compute number of output features.
fit_transform(X[, y])
拟合并转化数据
Fit to data, then transform it.
get_feature_names([input_features])
返回数据特征名称（将在sklearn 1.2版本中被弃用）
DEPRECATED: get_feature_names is deprecated in 1.0 and will be removed in 1.2.
get_feature_names_out([input_features])
返回输出特征的名称
Get output feature names for transformation.
get_params([deep])
返回模型参数
Get parameters for this estimator.
set_params(**params)
设置模型参数
Set the parameters of this estimator.
transform(X)
将数据转化为多项式特征
Transform data to polynomial features.
应用示例
import numpy as np
from sklearn.preprocessing import PolynomialFeatures
x=np.array([0,1])
poly=PolynomialFeatures(2)
poly.fit_transform(x)
>>> array([1.,0.,1.,0.,0.,1.]) # 1,a,b,a^2,ab,b^2
poly1=PolynomialFeatures(2,interaction_only=True)
poly1.fit_transform(x)
>>> array([1.,0.,1.,0.]) # 1,a,b,ab