PolynomialFeatures#

class 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，该矩阵由所有特征的多项式组合组成，其度数小于或等于指定的度数。例如，如果输入样本是二维的并且形式为 [a, b]，则度数为2的多项式特征是[1, a, b, a^2, ab, b^2]。

更多信息请参阅用户指南。

Parameters:

degreeint 或 tuple (min_degree, max_degree), 默认=2

如果给定一个单一的int，它指定多项式特征的最大度数。如果传递一个元组 (min_degree, max_degree) ，则 min_degree 是最小度数， max_degree 是生成的特征的最大多项式度数。请注意， min_degree=0 和 min_degree=1 是等效的，因为输出零次项由 include_bias 决定。

interaction_onlybool, 默认=False

如果为 True ，则仅生成交互特征：特征是至多 degree 个不同输入特征的乘积，即排除相同输入特征的二次或更高次幂的项：

包含:x[0] , x[1] , x[0] * x[1] , 等等。

排除:x[0] ** 2 , x[0] ** 2 * x[1] , 等等。

include_biasbool, 默认=True

如果为 True （默认），则包含一个偏置列，该特征中所有多项式幂均为零（即一列全为1 - 在线性模型中充当截距项）。

order{‘C’, ‘F’}, 默认=’C’

在密集情况下输出数组的有序性。 'F' 顺序计算速度更快，但可能会减慢后续估计器的速度。

Added in version 0.21.

Attributes:

powers_ndarray of shape ( n_output_features_ , n_features_in_ ): 指数，用于输出中每个输入的值。
n_features_in_int: 在 fit 期间看到的特征数量。

Added in version 0.24.
feature_names_in_ndarray of shape ( n_features_in_ ,): 在 fit 期间看到的特征名称。仅当 X 的特征名称均为字符串时定义。

Added in version 1.0.
n_output_features_int: 多项式输出特征的总数。输出特征的数量是通过迭代所有合适大小的输入特征组合来计算的。

See also

SplineTransformer: 生成单变量B样条基的转换器。

Notes

请注意，输出数组中的特征数量在输入数组的特征数量中是多项式增长的，并且在度数中是指数增长的。高次可能导致过拟合。

参见 examples/linear_model/plot_polynomial_interpolation.py

Examples

>>> import numpy as np
>>> from sklearn.preprocessing import PolynomialFeatures
>>> X = np.arange(6).reshape(3, 2)
>>> X
array([[0, 1],
       [2, 3],
       [4, 5]])
>>> poly = PolynomialFeatures(2)
>>> 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)
>>> poly.fit_transform(X)
array([[ 1.,  0.,  1.,  0.],
       [ 1.,  2.,  3.,  6.],
       [ 1.,  4.,  5., 20.]])

fit(X, y=None)#

计算输出特征的数量。

Parameters:

X{array-like, sparse matrix}，形状为 (n_samples, n_features): 数据。
y忽略: 未使用，为了保持API一致性而存在。

Returns:

selfobject: 拟合的转换器。

fit_transform(X, y=None, **fit_params)#

拟合数据，然后进行转换。

将转换器拟合到 X 和 y ，并带有可选参数 fit_params ，并返回 X 的转换版本。

Parameters:

X形状为 (n_samples, n_features) 的类数组: 输入样本。
y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组, 默认=None: 目标值（无监督转换为 None）。
**fit_paramsdict: 其他拟合参数。

Returns:

X_new形状为 (n_samples, n_features_new) 的 ndarray 数组: 转换后的数组。

get_feature_names_out(input_features=None)#

获取变换后的输出特征名称。

Parameters:

input_features字符串数组或None, 默认=None

输入特征。

如果 input_features is None ，则使用 feature_names_in_ 作为输入特征名称。如果 feature_names_in_ 未定义，则生成以下输入特征名称： ["x0", "x1", ..., "x(n_features_in_ - 1)"] 。
如果 input_features 是数组类型，则 input_features 必须与 feature_names_in_ 匹配，如果 feature_names_in_ 已定义。

Returns: