📊 sklearn 的PolynomialFeatures 的用法 📈
发布时间：2025-03-14 11:40:14来源：
在机器学习中，特征工程是一个非常重要的环节，而 `PolynomialFeatures` 是 Scikit-learn 提供的一个强大工具，用于生成多项式特征。当你希望模型能够捕捉到变量之间的非线性关系时，它可以大显身手！
首先，导入必要的库：
```python
from sklearn.preprocessing import PolynomialFeatures
import numpy as np
```
假设你有一个简单的二维数据集：
```python
X = np.array([[2, 3]])
```
接下来，初始化 `PolynomialFeatures` 并指定参数。例如，设置 `degree=2` 表示生成二次多项式特征：
```python
poly = PolynomialFeatures(degree=2)
X_poly = poly.fit_transform(X)
```
执行后，你会得到一个扩展后的特征矩阵：
```python
print(X_poly)
输出: [[1.2.3.4.6.9.]]
```
这里，每一列代表不同的特征组合，包括常数项、原始特征以及它们的乘积。✨
通过这种方式，`PolynomialFeatures` 可以轻松帮你构造更复杂的特征空间，从而提升模型的表现！💪
免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
