econml.iv.sieve.DPolynomialFeatures

class econml.iv.sieve.DPolynomialFeatures(degree=2, interaction_only=False, include_bias=True)[source]

特征化器，它返回 PolynomialFeatures 特征的导数，其方式与 SieveTSLS 的 dt_featurizer 参数的期望兼容。

如果输入的形状为 (n, x)，并且 PolynomialFeatures.transform 返回形状为 (n, f) 的输出，则 transform() 将返回形状为 (n, x, f) 的数组。

参数

degree (int, default = 2) – 多项式特征的次数。
interaction_only (bool, default = False) – 如果为 True，则仅生成交互特征的导数：这些特征是至多 degree 个不同输入特征的乘积（因此不包括 x[1] ** 2、x[0] * x[2] ** 3 等）。
include_bias (bool, default = True) – 如果为 True（默认），则包括偏置列的导数，该特征中所有多项式幂均为零。

__init__(degree=2, interaction_only=False, include_bias=True)[source]

方法

`__init__`([degree, interaction_only, ...])
`fit`(X[, y])	计算输出特征的数量。
`fit_transform`(X[, y])	拟合数据，然后转换数据。
`set_output`(*[, transform])	设置输出容器。
`transform`(X)	将数据转换为多项式特征的导数

fit(X, y=None)[source]

计算输出特征的数量。

参数

返回

self

返回类型

实例

fit_transform(X, y=None, **fit_params)

拟合数据，然后转换数据。

使用可选参数 fit_params 拟合转换器到 X 和 y，并返回 X 的转换版本。

参数

X (类数组对象, 形状 (n_samples, n_features)) – 输入样本。
y (类数组对象, 形状 (n_samples,) 或 (n_samples, n_outputs), default=None) – 目标值（对于无监督转换为 None）。
**fit_params (dict) – 附加拟合参数。

返回

X_new – 转换后的数组。

返回类型

ndarray 数组, 形状 (n_samples, n_features_new)

set_output(*, transform=None)

设置输出容器。

有关如何使用 API 的示例，请参阅引入 set_output API。

参数

transform ({"default", "pandas"}, default=None) – 配置 transform 和 fit_transform 的输出。

返回

self – 估计器实例。

返回类型

估计器实例

transform(X)[source]

将数据转换为多项式特征的导数