我怎样才能看到sklearn.preprocessing.PolynomialFeatures的效果

Question

如果我有中等数量的基本特征，并从中生成中等数量的多项式特征，那么知道特征数组的哪一列preprocess_XX对应于基本特征的哪个转换可能会有点混乱。

我曾经用旧版本的sklearn（也许是0.14？）做过类似的事情：

import numpy as np
from sympy import Symbol
from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(4)
x1 = Symbol('x1')
x2 = Symbol('x2')
x3 = Symbol('x3')
XX = np.random.rand(1000, 3)  # replace with the actual data array
preprocess_symXX = poly.fit_transform([x1, x2, x3])
preprocess_XX = poly.fit_transform(XX)
print preprocess_symXX

这太棒了。 它会产生像 [1, x1, x2, x3, x1**2, ... ] 这样的输出，这会让我知道我的preprocess_XX列实际上来自什么多项式函数。

但是现在当我这样做时，它抱怨TypeError: can't convert expression to float. 引发此异常是因为sklearn.utils.validation中一个名为 check_array() 的函数，该函数尝试将输入转换为poly.fit_transform() dtype=float。

您是否建议如何查看基本特征的多项式对应于fit_transform()?输出中的哪一列，现在sympy似乎不再适用于fit_transform？

Answer 1

使用poly.powers_获得力量。然后你可以把它转换成人类可读的东西，如下所示：

import numpy as np
from sklearn.preprocessing import PolynomialFeatures
X = np.random.rand(1000, 3)
poly = PolynomialFeatures(4)
Y = poly.fit_transform(X)
features = ['X1','X2','X3']
print(poly.powers_)
for entry in poly.powers_:
    newFeature = []
    for feat, coef in zip(features, entry):
        if coef > 0:
            newFeature.append(feat+'**'+str(coef))
    if not newFeature:
        print(1) # If all powers are 0
    else:
        print(' + '.join(newFeature))

打印

（打印poly.powers_后）：

1
X1**1
X2**1
X3**1
X1**2
X1**1 + X2**1
X1**1 + X3**1
X2**2
X2**1 + X3**1
X3**2
X1**3
X1**2 + X2**1
X1**2 + X3**1
X1**1 + X2**2
X1**1 + X2**1 + X3**1
X1**1 + X3**2
X2**3
X2**2 + X3**1
X2**1 + X3**2
X3**3
X1**4
X1**3 + X2**1
X1**3 + X3**1
X1**2 + X2**2
X1**2 + X2**1 + X3**1
X1**2 + X3**2
X1**1 + X2**3
X1**1 + X2**2 + X3**1
X1**1 + X2**1 + X3**2
X1**1 + X3**3
X2**4
X2**3 + X3**1
X2**2 + X3**2
X2**1 + X3**3
X3**4