python - .fit_transform 方法的输出

Question

我想更深入地了解 scikit learn 中 PolynomialFeatures 类中的 .fit_transform() 方法输出的内容。

我知道该方法正在做两件事，1) 通过将数据拟合到回归算法来生成数据模型，以及 2) 根据 1 中找到的模型创建新数据。

但我不理解的是输出。这是我的代码:

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split


np.random.seed(0)
n = 15
x = np.linspace(0,10,n) + np.random.randn(n)/5
y = np.sin(x)+x/6 + np.random.randn(n)/10


X_train, X_test, y_train, y_test = train_test_split(x, y, random_state=0)
X_train1 = X_train.reshape(11,1)
y_train1 = y_train.reshape(11,1)

def answer_one():
    from sklearn.linear_model import LinearRegression
    from sklearn.preprocessing import PolynomialFeatures

    poly1 = PolynomialFeatures(degree=1)

    X_poly1 = poly1.fit_transform(X_train1)

    return X_poly1

answer_one()

我得到的输出是:

array([[  1.        ,  10.08877265],
       [  1.        ,   3.23065446],
       [  1.        ,   1.62431903],
       [  1.        ,   9.31004929],
       [  1.        ,   7.17166586],
       [  1.        ,   4.96972856],
       [  1.        ,   8.14799756],
       [  1.        ,   2.59103578],
       [  1.        ,   0.35281047],
       [  1.        ,   3.375973  ],
       [  1.        ,   8.72363612]])

我假设每个迷你数组中的每个第二个数字都是模型计算的值，但我不明白每个 1 是什么？

Answer 1

来自 PolynomialFeatures文档:

Generate a new feature matrix consisting of all polynomial combinations of the features with degree less than or equal to the specified degree. For example, if an input sample is two dimensional and of the form [a, b], the degree-2 polynomial features are [1, a, b, a^2, ab, b^2].

在您的情况下，输出是 x 列的度数小于或等于 1 的所有组合:[1, x]。在第一列中有 x**0，在第二列中有 x**1