Как генерировать много терминов взаимодействия в Pandas?

Я хотел бы оценить IV регрессионная модель, использующая множество взаимодействий с годом, демографией и т. д. манекены. Я не могу найти явный метод для этого в пандах, и мне любопытно, есть ли у кого-нибудь советы.

Я думаю попробовать scikit-learn и эту функцию:

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html

7
pandas python scikit-learn statsmodels

2 ответов

теперь я столкнулся с аналогичной проблемой, когда мне нужен был гибкий способ создания конкретных взаимодействий и просматривал StackOverflow. Я последовал совету в комментарии выше @user333700 и благодаря ему нашел Пэтси (http://patsy.readthedocs.io/en/latest/overview.html) и после поиска Google это scikit-learn интеграции patsylearn (https://github.com/amueller/patsylearn).

так переживает пример @motam79, это возможно:

import numpy as np
import pandas as pd
from patsylearn import PatsyModel, PatsyTransformer
x = np.array([[ 3, 20, 11],
   [ 6,  2,  7],
   [18,  2, 17],
   [11, 12, 19],
   [ 7, 20,  6]])
df = pd.DataFrame(x, columns=["a", "b", "c"])
x_t = PatsyTransformer("a:b + a:c + b:c", return_type="dataframe").fit_transform(df)

возвращает следующее:

     a:b    a:c    b:c
0   60.0   33.0  220.0
1   12.0   42.0   14.0
2   36.0  306.0   34.0
3  132.0  209.0  228.0
4  140.0   42.0  120.0

Я ответил на аналогичный вопрос здесь, где я приведу еще один пример с категориальными переменными: как можно создать матрицу проектирования взаимодействия из категориальных переменных?

4

Вы можете использовать функцию PolynomialFeatures sklearn по. Вот пример:

предположим, это ваша матрица дизайна (т. е. функции):

x = array([[ 3, 20, 11],
       [ 6,  2,  7],
       [18,  2, 17],
       [11, 12, 19],
       [ 7, 20,  6]])


x_t = PolynomialFeatures(2, interaction_only=True, include_bias=False).fit_transform(x)

вот результат:

array([[   3.,   20.,   11.,   60.,   33.,  220.],
       [   6.,    2.,    7.,   12.,   42.,   14.],
       [  18.,    2.,   17.,   36.,  306.,   34.],
       [  11.,   12.,   19.,  132.,  209.,  228.],
       [   7.,   20.,    6.,  140.,   42.,  120.]])

первые 3 функции являются исходными функциями, а следующие три являются взаимодействиями исходных функций.

3