sklearn /
python /
数据分析
在建模过程中多次用到过sklearn.preprocessing.PolynomialFeatures，可以理解为专门生成多项式特征，并且多项式包含的是相互影响的特征集，比如：一个输入样本是２维的。形式如[a,b] ,则二阶多项式的特征集如下[1,a,b,a^2,ab,b^2]。
官网文档：http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html
参数：
degree : integer，多项式阶数，默认为2；
interaction_only : boolean, default = False，如果值为true(默认是false),则会产生相互影响的特征集；
include_bias : boolean，是否包含偏差列。
示例：
[python]view plaincopy
>>> X = np.arange(6).reshape(3, 2)
>>> X
array([[0, 1],
[2, 3],
[4, 5]])
>>> poly = PolynomialFeatures(2) ＃设置多项式阶数为２，其他的默认
>>> poly.fit_transform(X)
array([[1., 0., 1., 0., 0., 1.],
[1., 2., 3., 4., 6., 9.],
[1., 4., 5., 16., 20., 25.]])
>>> poly = PolynomialFeatures(interaction_only=True)＃默认的阶数是２，同时设置交互关系为true
>>> poly.fit_transform(X)
array([[1., 0., 1., 0.],
[1., 2., 3., 6.],
[1., 4., 5., 20.]])
上面的数组中，每一行是一个list。比如[0,1] 类似与上面的[a,b]。好的现在它的多项式输出矩阵就是[1,a,b,a^2,ab,b^2]。所以就是下面对应的[1,0,1,0,0,1]。现在将interaction_only=True。这时就是只找交互作用的多项式输出矩阵。例如[a,b]的多项式交互式输出[1,a,b,ab]。不存在自己与自己交互的情况如;a^2或者a*b^2之类的。