与相互作用的分类数据的Python回归

Question

我已经找到了人们如何使用Sklearn对Python进行线性回归，并使用其数据进行reg.fit()，但这只有在您寻找像像回归的回归时可以这样做 y = Ax1 + Bx2 +Cx3等

但是，如果我拥有具有某种交互的分类数据，以便我希望变量乘以乘以而不是添加？诸如y = (Ax1)*(Bx2)*(Cx3)

Answer 1

要照顾X1，X2和X3等输入特征之间的相互作用，常见的做法是创建X1^3，x1^2*x2 x1*等多项式特征x2*x3 ... x3^3。例如，在您的情况下，Y方程式看起来如下：

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

我希望你明白这个主意。为了照顾分类数据，有一些技术，例如一式式编码，可以为您的数据提供非常简单的向量表示。Scikit Learn具有单速编码的实现

如果您想将学习提升到一个新的水平，也可以研究培训算法，例如支持向量机和神经网络