2024-04-26 04:23:56 发布
网友
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
reg.fit()
y = Ax1 + Bx2 +Cx3
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)
y = (Ax1)*(Bx2)*(Cx3)
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
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:
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
相关问题 更多 >
编程相关推荐