sklearn.preprocessing.PolynomialFeatures
sklearn
2023-09-14 09:15:49 时间
生成多项式和交互特征。
生成一个新的特征矩阵,该矩阵由度数小于或等于指定度数的特征的所有多项式组合组成。例如,如果输入样本是二维的且形式为 [a, b],则 2 次多项式特征为 [1, a, b, a^2, ab, b^2]。
>>> 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.]])
PolynomialFeatures可以用户来提取特征,在wide_and_deep中进行特征预处理
相关文章
- 【学习笔记】sklearn库基本功能介绍[通俗易懂]
- sklearn cross validation_python sklearn
- 机器学习sklearn之支持向量回归(SVR)
- 朴素贝叶斯分类器_sklearn朴素贝叶斯分类器
- Python机器学习教程—数据预处理(sklearn库)
- sklearn库的功能_numpy库
- sklearn库介绍「建议收藏」
- sklearn安装教程_sklearn库的使用
- sklearn输出模型参数_rfm模型算法
- sklearn.KFold用法示例
- Sklearn中的CV与KFold详解
- sklearn linear regression_auto sklearn
- python机器学习库sklearn——朴素贝叶斯分类器[通俗易懂]