我发现人们如何使用 sklearn 在 Python 上进行线性回归，并使用他们的数据进行 reg.fit()，但这只有在您正在寻找类似的回归时才允许您这样做
y = Ax1 + Bx2 +Cx3等
但是，如果我的分类数据具有某种交互作用，我希望变量相乘而不是相加，该怎么办？
类似y = (Ax1)*(Bx2)*(Cx3)
【问题讨论】：
标签： python pandas scikit-learn linear-regression non-linear-regression
为了照顾输入特征（例如 x1、x2 和 x3）之间的交互，通常的做法是创建多项式特征，例如 x1^3、x1^2*x2 + x1*x2*x3 + ... + x3^3。例如，在您的情况下，您的 y 方程如下所示：
y = A*x1^3 + B*x2^3 + C*x3^3 + D*x1^2*x2 + E*x1*x2*x3 + F*x1*x2^2 + ...
我希望你明白这一点。为了处理分类数据，有像 One-Hot Encoding 这样的技术，可以为您的数据提供非常简单的矢量表示。 Scikit Learn 实现了 One-hot 编码
如果您想将您的学习提升到一个新的水平，您还可以研究支持向量机和神经网络等训练算法
【讨论】：