考察通过特征交叉引入组合特征、提升模型表达力的实操。
要点:
sklearn.preprocessing.PolynomialFeatures(degree=2, interaction_only=True) 可自动生成两两特征的乘积项(交互项),让线性模型具备拟合非线性组合的能力(如 x1*x2 表示两个因素共同作用的效应)。x1^2 这类对线性模型意义不大的项,特征数从 O(d^2) 降到组合数。df['a'] * df['b'] 或 cat1 + '_' + cat2 拼成新类别再编码。from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(degree=2, interaction_only=True, include_bias=False)
X_cross = poly.fit_transform(X[['x1','x2']]) # 新增 x1*x2 交互列题目与答案就在本页;收藏、批注和错题重练在应用内