具有交互作用的范畴数据的Python回归

Question

我发现了人们如何使用sklearn在Python上进行线性回归，并对数据进行reg.fit()，但这只允许您在寻找像 y = Ax1 + Bx2 +Cx3等

但是，如果我的分类数据有某种交互作用，我希望变量成倍增加而不是相加呢？ 像y = (Ax1)*(Bx2)*(Cx3)

Answer 1

为了处理输入特征（如x1、x2和x3）之间的交互，通常的做法是创建多项式特征，如x1^3、x1^2*x2+x1*x2*x3+。。。+x3^3。例如，在您的例子中，y的方程式如下所示：

y = A*x1^3 + B*x2^3 + C*x3^3 + D*x1^2*x2 + E*x1*x2*x3 + F*x1*x2^2 + ...

我希望你能明白。为了处理分类数据，有一些技术，比如一个热编码，它提供了一个非常简单的数据向量表示。Scikit Learn实现了一个热编码

如果你想让你的学习更上一层楼，你也可以研究像支持向量机和神经网络这样的训练算法