Python的回归 但是如果我有分类数据有某种交互作用，以至于我希望变量倍增而不是添加？ 类似y = (Ax1)*(Bx2)*(Cx3)

Question

我发现人们如何做使用sklearn和做reg.fit()其数据Python的线性回归，但这只是让你做，如果你正在寻找一个像回归 y = Ax1 + Bx2 +Cx3等Python的回归 <p>但是如果我有分类数据有某种交互作用，以至于我希望变量倍增而不是添加？ 类似<code>y = (Ax1)*(Bx2)*(Cx3)</code></p>

与交互分类数据的

Answer 1

采取输入功能，如X1，X2和X3之间的相互作用的护理，常见的做法是创建多项式的功能，如X1^3，X1^2 * X2 + X1 * X2 * X3 + ... + x3^3。例如，在你的情况下，你的y的公式如下所示：

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

我希望你明白了。为了照顾分类数据，有一种技术，如单热编码技术，可以为您的数据提供非常简单的矢量表示。 Scikit Learn实现了单热编码

如果您想让您的学习更上一层楼，您还可以查看支持向量机和神经网络等训练算法