sklearn.preprocessing.PolynomialFeatures 使用

sklearn.preprocessing.PolynomialFeatures







作用在產生新的 feature

三個參數
degree 調整梯度 default = 2
interaction_only 預設 false  如果為 True 將不會有 x**2  x**3 等這類型的資料 
include_bias 預設 True  如果為 False 將不會有第一項的 1


[a , b] => 1 , a , b , a**2 , a*b , b**2


code:

import pandas as pd
import numpy as np
from sklearn.preprocessing import PolynomialFeatures

data = [[2,5],[1,2]]

# 回傳 [a , b] 1,a,b,a**2 , a*b , b**2

poly = PolynomialFeatures(3)
poly.fit(data)
print("PolynomialFeatures powers_ :\n" , poly.powers_)
print("PolynomialFeatures n_input_features_ :\n" , poly.n_input_features_)
print("PolynomialFeatures n_output_features_ :\n" , poly.n_output_features_)

print(poly.fit_transform(data))

# interaction_only = True 將不會有 x**2 x**3 等這類型的資料
poly = PolynomialFeatures(2 , interaction_only = True)

print(poly.fit_transform(data))

# include_bias = False 將不會有第一項的 1
poly = PolynomialFeatures(2 , include_bias = False)

print(poly.fit_transform(data))

output:

PolynomialFeatures powers_ :
 [[0 0]
 [1 0]
 [0 1]
 [2 0]
 [1 1]
 [0 2]]
PolynomialFeatures n_input_features_ :
 2
PolynomialFeatures n_output_features_ :
 6
[[ 1.  2.  5.  4. 10. 25.]
 [ 1.  1.  2.  1.  2.  4.]]
[[ 1.  2.  5. 10.]
 [ 1.  1.  2.  2.]]
[[ 2.  5.  4. 10. 25.]
 [ 1.  2.  1.  2.  4.]]

powers_ 代表兩數的次方數  並相乘為 feature 的值


source code