运行 没有特征组合的多项式回归
Run a polynomial regression without combinations of the features
我正在 运行 进行 p 阶的多项式回归。为了简单起见，我们在这道题中使用顺序p = 2。
假设我们 X 有两个特征 x1, x2 和 y。我正在尝试 运行
的多项式回归
y = ε + α + β1•x1 + β2•x2 + β3•x1^2 + β4•x2^2
我发现 sklearn 有一个 sklearn.preprocessing.PolynomialFeatures。但是，如果我使用 order p = 2，它会自动给出特征组合。它将导致回归：
y = ε + α + β1•x1 + β2•x2 + β3•x1^2 + β4•x2^2 + β5•x1x2
但是，我不想要特征的组合，即像 x1x2 这样的东西。有没有什么包可以按照我的意愿做多项式回归？
谢谢！
老实说，这对我来说似乎很奇怪。 poly 特征的很多优势来自于交互特征。
我很确定没有内置的东西，但是
- 你可以看一下
PolynomialFeatures预处理器，然后自己修改。您需要 "revert" interaction_only 参数的逻辑
- 只需构建你的预处理器，你的情况很简单，
.fit 会像 concat(a, a**2)
numpy.polynomial.polynomial.polyfit 似乎可以满足您的需求。
对于更具体的需求，请使用此 statistics tool
我正在 运行 进行 p 阶的多项式回归。为了简单起见，我们在这道题中使用顺序p = 2。
假设我们 X 有两个特征 x1, x2 和 y。我正在尝试 运行
y = ε + α + β1•x1 + β2•x2 + β3•x1^2 + β4•x2^2
我发现 sklearn 有一个 sklearn.preprocessing.PolynomialFeatures。但是，如果我使用 order p = 2，它会自动给出特征组合。它将导致回归：
y = ε + α + β1•x1 + β2•x2 + β3•x1^2 + β4•x2^2 + β5•x1x2
但是，我不想要特征的组合，即像 x1x2 这样的东西。有没有什么包可以按照我的意愿做多项式回归？
谢谢！
老实说，这对我来说似乎很奇怪。 poly 特征的很多优势来自于交互特征。
我很确定没有内置的东西，但是
- 你可以看一下
PolynomialFeatures预处理器，然后自己修改。您需要 "revert"interaction_only参数的逻辑 - 只需构建你的预处理器，你的情况很简单，
.fit会像concat(a, a**2)
numpy.polynomial.polynomial.polyfit 似乎可以满足您的需求。
对于更具体的需求，请使用此 statistics tool