需要帮助理解sklearn的PolynomialFeatures。当只使用一个特征时，它运作得很好，但每当我添加多个特征时，它除了输出各特征值的幂次方之外，还会输出数组中的一些其他值。例如：对于这个数组，
X=np.array([[230.1,37.8,69.2]])当我尝试
X_poly=poly.fit_transform(X)它输出
[[ 1.00000000e+00 2.30100000e+02 3.78000000e+01 6.92000000e+015.29460100e+04 8.69778000e+03 1.59229200e+04 1.42884000e+032.61576000e+03 4.78864000e+03]]这里，8.69778000e+03,1.59229200e+04,2.61576000e+03 是什么？
回答：
如果你有特征 [a, b, c]，默认的多项式特征（在sklearn中，度数为2）应该是 [1, a, b, c, a^2, b^2, c^2, ab, bc, ca]。
2.61576000e+03 是 37.8x62.2=2615,76（2615,76 = 2.61576000 x 10^3）
使用PolynomialFeatures，你可以简单地创建新的特征。这里有一个很好的参考链接。当然，使用PolynomialFeatures也有缺点（如“过拟合”），详见这里。
编辑：
使用多项式特征时我们必须小心。计算多项式特征数量的公式是N(n,d)=C(n+d,d)，其中n是特征的数量，d是多项式的度数，C是二项式系数（组合）。在我们的案例中，数量是C(3+2,2)=5!/(5-2)!2!=10，但当特征数量或度数增加时，多项式特征会变得过多。例如：
N(100,2)=5151N(100,5)=96560646