Python实现PolynomialFeatures多项式特征生成的原理与代码解析

雨后青山

发布时间：2026-10-14| 5人浏览过

原创

本文详细解析了Python中sklearn库PolynomialFeatures生成多项式特征的逻辑，并通过自定义函数实现相同功能。文章对比了sklearn输出与手动实现结果，验证了两者的一致性，并探讨了处理多维数组时的实现思路。

使用sklearn库生成多项式特征


import numpy as np
from sklearn.preprocessing import PolynomialFeatures  #这哥用于生成多项式
x=np.arange(6).reshape(3,2) #生成三行二列数组
reg = PolynomialFeatures(degree=3) #这个3看下面的解释
reg.fit_transform(x)

输入数据x的结构如下所示：

通过观察可以发现其生成规律如下：

在Python中手动生成多项式特征

具体的实现函数代码如下：


def multi_feature(x,n):
  c = np.empty((x.shape[0],0)) #np.empty((3,1))并不会生成一个3行1列的空数组,np.empty((3,0))才会生成3行1列空数组
  for i in range(n+1):
    for m in range(i,-1,-1):
      h=(x[:,0]**m) * (x[:,1]**(i-m))
      c=np.c_[c,h]
  return c

multi_feature(x,3)

该自定义函数的输出结果与上述sklearn实现完全一致


print('n=4时，sklearn的输出是：')
reg = PolynomialFeatures(degree=4) 
print(reg.fit_transform(x))
print('\n')

#对比
print('n=4时，函数的输出是：')
print(multi_feature(x,4))