Python实现PolynomialFeatures多项式特征生成的原理与代码解析
发布时间：2026-10-14 |
4人浏览过
本文详细解析了Python中sklearn库PolynomialFeatures生成多项式特征的逻辑，并通过自定义函数实现相同功能。文章对比了sklearn输出与手动实现结果，验证了两者的一致性，并探讨了处理多维数组时的实现思路。
使用sklearn库生成多项式特征
import numpy as np
from sklearn.preprocessing import PolynomialFeatures #这哥用于生成多项式
x=np.arange(6).reshape(3,2) #生成三行二列数组
reg = PolynomialFeatures(degree=3) #这个3看下面的解释
reg.fit_transform(x)
输入数据x的结构如下所示：
通过观察可以发现其生成规律如下：
在Python中手动生成多项式特征
具体的实现函数代码如下：
def multi_feature(x,n):
c = np.empty((x.shape[0],0)) #np.empty((3,1))并不会生成一个3行1列的空数组,np.empty((3,0))才会生成3行1列空数组
for i in range(n+1):
for m in range(i,-1,-1):
h=(x[:,0]**m) * (x[:,1]**(i-m))
c=np.c_[c,h]
return c
multi_feature(x,3)
该自定义函数的输出结果与上述sklearn实现完全一致
print('n=4时，sklearn的输出是：')
reg = PolynomialFeatures(degree=4)
print(reg.fit_transform(x))
print('\n')
#对比
print('n=4时，函数的输出是：')
print(multi_feature(x,4))
结果相同，但需注意该函数目前仅适用于二维数组。若需处理n维数组，应如何调整实现方式？
至此，关于Python实现PolynomialFeatures多项式特征的方法介绍完毕。如需了解更多相关Python PolynomialFeatures多项式内容，建议查阅本站历史文章或继续浏览后续相关文章，感谢大家的支持！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
