Pandas Python 中的管道
Pipelines in Pandas Python
我正在学习 Python 的数据分析，但有些事情我无法弄清楚。
我知道存在三种开发模型的选项：线性、线性倍数和多项式。但是，然后我进入了一个新概念，叫做 'pipelines'。我在这里放了一些代码：
Input=[('scale',StandardScaler()), ('polynomial', PolynomialFeatures(include_bias=False)), ('model',LinearRegression())]
归一化没问题，但是，我不明白为什么我要使用线性模型时引入 PolynomialFeature 作为参数？？？这对我来说没有意义。拜托，有人可以向我澄清一下吗？
这是一个常见的误解。线性模型指的是 参数，而不是特征 。假设您有特征 x 和值 y。您的线性模型将是
y = a_0 + a_1 * x
您可以通过算术运算生成额外的特征，例如x**2。现在你的模型变成了
y = a_0 + a_1 * x + a_2 * x**2
它仍然是一个线性模型，因为a_0、a_1和a_2是线性的。它只是具有多项式特征。
我正在学习 Python 的数据分析，但有些事情我无法弄清楚。 我知道存在三种开发模型的选项：线性、线性倍数和多项式。但是，然后我进入了一个新概念，叫做 'pipelines'。我在这里放了一些代码：
Input=[('scale',StandardScaler()), ('polynomial', PolynomialFeatures(include_bias=False)), ('model',LinearRegression())]
归一化没问题，但是，我不明白为什么我要使用线性模型时引入 PolynomialFeature 作为参数？？？这对我来说没有意义。拜托，有人可以向我澄清一下吗？
这是一个常见的误解。线性模型指的是 参数，而不是特征 。假设您有特征 x 和值 y。您的线性模型将是
y = a_0 + a_1 * x
您可以通过算术运算生成额外的特征，例如x**2。现在你的模型变成了
y = a_0 + a_1 * x + a_2 * x**2
它仍然是一个线性模型，因为a_0、a_1和a_2是线性的。它只是具有多项式特征。