我有一个数据集 X，其形状为(1741, 61)。使用带有交叉验证的逻辑回归时，每次分割的得分大约在62-65%之间（cv =5）。

我以为如果将数据变成二次形式，准确率应该会提高。然而，我得到了相反的效果（交叉验证的每次分割得分在40%左右）。因此，我猜想在尝试将数据变成二次形式时，我做错了什么？

这是我使用的代码，

from sklearn import preprocessingX_scaled = preprocessing.scale(X)from sklearn.preprocessing import PolynomialFeaturespoly = PolynomialFeatures(3)poly_x =poly.fit_transform(X_scaled)classifier = LogisticRegression(penalty ='l2', max_iter = 200)from sklearn.cross_validation import cross_val_scorecross_val_score(classifier, poly_x, y, cv=5)array([ 0.46418338,  0.4269341 ,  0.49425287,  0.58908046,  0.60518732])

这让我怀疑我做错了什么。

我尝试将原始数据转换为二次形式，然后使用 preprocessing.scale 来缩放数据，但这导致了错误。

UserWarning: Numerical issues were encountered when centering the data and might not be solved. Dataset may contain too large values. You may need to prescale your features. warnings.warn("Numerical issues were encountered "

所以我没有继续这条路。

另一个困扰我的问题是二次计算的速度。使用多项式特征时，cross_val_score 需要几个小时才能输出得分。有没有办法加快这个过程？我有一台配备了Intel i5-6500 CPU 和16 GB内存的电脑，操作系统是Windows 7。

谢谢你。

回答：

你有没有试过使用 MinMaxScaler 而不是 Scaler？Scaler 会输出高于和低于0的值，因此你会遇到这种情况：缩放值为-0.1和0.1的值将具有相同的平方值，尽管它们实际上并不相似。从直觉上讲，这似乎会降低多项式拟合的得分。尽管如此，我还没有测试过，这是我的直觉。此外，请小心使用多项式拟合。我建议阅读这个关于“为什么在多项式回归中使用正则化而不是降低度数”的回答。这是一个很好的解释，可能会让你了解一些新的技术。顺便说一下，@某某某是一位出色的老师，我推荐阅读他所有的回答和博客文章。