polynomialfeatures通过升维投影将原始特征映射到高维空间，使线性模型在扩展空间中拟合平面，再映射回原空间形成曲线；例如x→[x,x²]后linearregression拟合的平面即对应抛物线。
直接用 PolynomialFeatures 构造交叉项能提升线性模型的非线性拟合能力，但必须标准化、控制阶数、避开缺失值，否则效果反而更差。
为什么 PolynomialFeatures 生成的交叉项能让线性模型拟合曲线？
它不改变模型本身，而是把原始输入空间做升维投影。比如单特征 x 经 PolynomialFeatures(degree=2) 变成 [x, x²]，LinearRegression 就在二维空间里拟合平面——这个平面映射回原始一维空间，就是抛物线。
常见错误现象：
- 没标准化就喂入
x和x²，导致x²数值远大于x，系数被压缩，训练不稳定 - 传入含
np.nan的列，PolynomialFeatures不报错但输出全为nan - 对类别变量（如
pd.Series([0,1,1])）直接交叉，0*1被当成数值乘法，语义丢失
怎么安全调用 PolynomialFeatures 做二阶交叉？
重点不是“能不能用”，而是“怎么避免维度爆炸和数值污染”。
- 务必设
interaction_only=True：只生成x₁×x₂类交叉项，跳过x₁²、x₂²等纯平方项（除非你明确需要） - 必须设
include_bias=False：截距项由后续的LinearRegression自己加，重复添加会干扰系数解释 - 输入必须是二维：传
df[['a','b']].values或df[['a','b']].to_numpy()，别传df['a']（一维数组） - 高维特征（>10 列）慎用
degree=2：20 列 → 最多生成 190 个交叉项，先用VarianceThreshold过滤低方差列
连续变量和类别变量交叉前要分别处理
混在一起直接 str(a) + '_' + str(b) 或 a * b 是最常见翻车点。
- 连续变量：先用
StandardScaler或RobustScaler标准化，再进PolynomialFeatures；若想人工分箱（如树模型场景），用KBinsDiscretizer(strategy='quantile')转成有序类别，再拼字符串 - 类别变量：必须先转成
category类型或完成OneHotEncoder，否则PolynomialFeatures会把标签当数字相乘（例如 'A'=0, 'B'=1 → 0×1=0，完全失真） - 缺失值：不能留
np.nan进去 ——np.nan * 5 == np.nan，整列报废；用SimpleImputer(strategy='constant', fill_value='MISSING')或中位数填充
为什么建议套进 Pipeline 而不是手动 fit_transform？
部署时最容易漏掉的环节：预测阶段忘了对新样本做同样的特征扩展。
- 手动流程易出错：
poly.fit_transform(X_train)后，预测时必须严格用poly.transform(X_test)，漏掉fit会报NotFittedError，但更隐蔽的错误是训练/预测用的列顺序不一致 -
Pipeline自动保证一致性：Pipeline([('poly', PolynomialFeatures(...)), ('lr', LinearRegression())])中，fit()和predict()会串行调用每步，无需人工干预 - 标准化必须在
PolynomialFeatures之前：因为x和x²量纲不同，先缩放再交叉才能让两者贡献均衡
真正难的不是生成交叉项，而是判断哪些变量值得交叉——业务逻辑比数学公式更重要。比如“用户年龄 × 是否VIP”可能有强业务含义，但“用户ID × 订单金额”基本是噪声。验证集上的残差图比 R² 更能暴露交叉是否有效：如果 U 形趋势消失、残差分布变均匀，那才是交叉起了作用。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
