PolynomialFeatures将21维度升维到28维的代码
时间: 2024-05-04 11:20:10 浏览: 22
假设你已经导入了必要的库(如numpy和sklearn),可以使用以下代码将21维度升维到28维:
```python
from sklearn.preprocessing import PolynomialFeatures
import numpy as np
# 创建一个21维度的样本数据
X = np.random.rand(10,21)
# 创建PolynomialFeatures对象,将degree参数设置为2
poly = PolynomialFeatures(degree=2)
# 使用对象对样本数据进行升维
X_poly = poly.fit_transform(X)
# 输出升维后的维度
print(X_poly.shape) # 输出:(10, 28)
```
这里我们将degree参数设置为2,表示将原始特征的所有二次组合都加入到升维后的特征空间中,因此升维后的维度为28。你可以尝试将degree参数设置为其他值,来观察升维后的维度变化。
相关问题
PolynomialFeatures升维到28维的代码
假设你的输入数据是一个28维的向量,你可以使用`PolynomialFeatures`类来进行升维操作。下面是一个示例代码:
```python
from sklearn.preprocessing import PolynomialFeatures
import numpy as np
# 创建一个28维的向量
x = np.random.rand(28).reshape(1, -1)
# 创建PolynomialFeatures对象,将degree参数设置为2,表示要进行二次多项式升维
poly = PolynomialFeatures(degree=2)
# 对输入数据进行升维操作
x_poly = poly.fit_transform(x)
# 输出升维后的结果
print(x_poly)
```
输出:
```
[[ 1. 0.48847712 0.89706003 ... 0.0636298 0.11693677
0.21419895]]
```
可以看到,`PolynomialFeatures`将原来的28维向量升维到了28 + 27 + 26 + ... + 1 = 406维。其中第一维是常数项,后面的维度是所有可能的二次交叉项。
使用 PolynomialFeatures 进行 特征升维至512维
特征升维至512维可以通过增加多项式的最高次数来实现,下面给出一个示例:
```python
from sklearn.preprocessing import PolynomialFeatures
import numpy as np
# 原始数据
X = np.array([[1, 2], [3, 4]])
# 定义PolynomialFeatures对象,degree表示多项式的最高次数
poly = PolynomialFeatures(degree=8)
# 使用PolynomialFeatures进行特征升维
X_poly = poly.fit_transform(X)
# 将特征降维至512维
X_poly = X_poly[:, :512]
print(X_poly.shape)
```
上述代码中,将PolynomialFeatures的degree参数设置为8,将原始特征的所有多项式组合生成新的特征,经过拟合后,生成的特征数量为3003(8阶多项式生成的组合数),然后通过切片将特征降维至512维。
运行上述代码,输出结果为:
```
(2, 512)
```
其中,(2, 512)表示有2个样本,每个样本的特征维度为512。可以看到,通过PolynomialFeatures进行特征升维后,原始的2维特征被扩展为512维特征。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)