如果我想在我的逻辑回归模型中加入二次多项式（该模型有两个预测变量），就像我尝试过的下面的方法：

df_poly = df[['Y','x0','x1']].copy()X_train, X_test, Y_train, Y_test = train_test_split(df_poly.drop('Y',axis=1),                                                     df_poly['Y'], test_size=0.20,                                                     random_state=10)poly = PolynomialFeatures(degree = 2, interaction_only=False, include_bias=False)lr = LogisticRegression()pipe = Pipeline([('polynomial_features',poly), ('logistic_regression',lr)])pipe.fit(X_train, Y_train)

我会得到x0, x1, x0^2, x1^2, x0*x1的系数。

然而，我希望调整这个过程，只拟合x0, x1, x0^2和x0*x1。也就是说，我希望排除x1^2项的可能性。通过sklearn库有办法做到这一点吗？

回答：

我会使用ColumnTransformer、PolynomialFeatures和FunctionTransformer的组合

array([[  0.,  10.,   0.,   0.],       [  1.,  11.,  11.,   1.],       [  2.,  12.,  24.,   4.],       [  3.,  13.,  39.,   9.],       [  4.,  14.,  56.,  16.],       [  5.,  15.,  75.,  25.],       [  6.,  16.,  96.,  36.],       [  7.,  17., 119.,  49.],       [  8.,  18., 144.,  64.],       [  9.,  19., 171.,  81.]])