sklearn：如何获得多项式特征的系数答案

【问题标题】：sklearn: how to get coefficients of polynomial featuressklearn：如何获得多项式特征的系数
【发布时间】：2023-04-03 11:15:02
【问题描述】：

我知道可以通过使用：polynomial_features.transform(X) 以数字形式获得多项式特征。根据manual，对于二度的特征是：[1, a, b, a^2, ab, b^2]。但是我如何获得对高阶特征的描述呢？ .get_params() 不显示任何功能列表。

【问题讨论】：

标签： python scikit-learn

【解决方案1】：

顺便说一句，现在有更合适的功能： PolynomialFeatures.get_feature_names.

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

data = pd.DataFrame.from_dict({
    'x': np.random.randint(low=1, high=10, size=5),
    'y': np.random.randint(low=-1, high=1, size=5),
})

p = PolynomialFeatures(degree=2).fit(data)
print p.get_feature_names(data.columns)

这将输出如下：

['1', 'x', 'y', 'x^2', 'x y', 'y^2']

注意出于某种原因，您必须先拟合 PolynomialFeatures 对象，然后才能使用 get_feature_names()。

如果你是 Pandas 爱好者（就像我一样），你可以轻松地形成具有所有新功能的 DataFrame：

features = DataFrame(p.transform(data), columns=p.get_feature_names(data.columns))
print features

结果将如下所示：

     1    x    y   x^2  x y  y^2
0  1.0  8.0 -1.0  64.0 -8.0  1.0
1  1.0  9.0 -1.0  81.0 -9.0  1.0
2  1.0  1.0  0.0  1.0   0.0  0.0
3  1.0  6.0  0.0  36.0  0.0  0.0
4  1.0  5.0 -1.0  25.0 -5.0  1.0

【讨论】：

函数 get_feature_names 现已弃用，应使用 get_feature_names_out 代替。

【解决方案2】：

import numpy as np
from sklearn.preprocessing import PolynomialFeatures

X = np.array([2,3])

poly = PolynomialFeatures(3)
Y = poly.fit_transform(X)
print Y
# prints [[ 1  2  3  4  6  9  8 12 18 27]]
print poly.powers_

此代码将打印：

[[0 0]
 [1 0]
 [0 1]
 [2 0]
 [1 1]
 [0 2]
 [3 0]
 [2 1]
 [1 2]
 [0 3]]

所以如果第 i 个单元格是 (x,y)，那意味着 Y[i]=(a**x)*(b**y)。例如，在代码示例中，[2 1] 等于 (2**2)*(3**1)=12。

【讨论】：

【解决方案3】：

对于这样的数据框

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

data = pd.DataFrame({
    'x': np.random.randint(low=1, high=10, size=5),
    'y': np.random.randint(low=-1, high=1, size=5)})

这就是我的做法，

PolyFeats = PolynomialFeatures(degree=2)
dfPoly = pd.DataFrame(
    data=PolyFeats.fit_transform(data), 
    columns=PolyFeats.get_feature_names(data.columns))

要得到这样的输出，

In [50]: dfPoly
Out[50]: 
     1    x    y   x^2  x y  y^2
0  1.0  5.0  0.0  25.0  0.0  0.0
1  1.0  6.0 -1.0  36.0 -6.0  1.0
2  1.0  1.0 -1.0   1.0 -1.0  1.0
3  1.0  5.0 -1.0  25.0 -5.0  1.0
4  1.0  6.0  0.0  36.0  0.0  0.0

【讨论】：