具有交互的分类数据的Python回归

我发现人们是如何使用sklearn和doing

reg.fit（）

在Python上对数据进行线性回归的，但这只允许您在寻找类似这样的回归时这样做

y=Ax1+Bx2+Cx3

etc

但是，如果我有分类数据，这些数据具有某种交互作用，我希望变量成倍增加，而不是增加，那会怎么样？

---

类似于

y=（Ax1）*（Bx2）*（Cx3）

为了处理输入特征（如x1、x2和x3）之间的交互，通常的做法是创建多项式特征（如x1^3、x1^2*x2+x1*x2*x3+…）x3^3。例如，在您的例子中，y的方程式如下所示：

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

我希望你能明白。为了处理分类数据，有一些技术，比如一个热编码，它提供了数据的一个非常简单的向量表示。Scikit Learn实现了一个热编码

如果你想把你的学习提高到一个新的水平，你也可以研究像支持向量机和神经网络这样的训练算法