如何获取多项式特征的系数

Question

我知道可以通过使用polynomial_features.transform(X)来获得多项式特征作为数字。根据manual，对于二次多项式，特征是：[1, a, b, a^2, ab, b^2]。但是，如何获得更高阶的特征描述呢？.get_params()没有显示任何特征列表。

- Moritz

Answer 1

顺便提一下，现在有更适合的函数了：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)

这将输出如下内容：

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

请注意，在使用get_feature_names()之前，你必须先适配你的PolynomialFeatures对象。

如果你像我一样热爱Pandas，你可以轻松地用以下方式创建包含所有新特征的DataFrame：

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

结果会看起来像这样：

     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

- prez

---

函数get_feature_names已经被弃用，请使用get_feature_names_out代替。 - juandesant

Answer 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_

这段代码将会输出：

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

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

- omerbp

Answer 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)})

这是我是如何做到的，

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

要得到类似这样的输出，

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

- exan