Próbuję napisać funkcję odwzorowującą 2d-ndarray na 2d-ndarray. Wiersze tablicy wejściowej mogą być przetwarzane niezależnie i powinna istnieć zgodność 1 do 1 między wierszami wejściowymi i wierszami wyjścia. Dla każdego rzędu danych wejściowych należy obliczyć wielomianowy rozkład danej rzędności dla danego wiersza (patrz przykład: docstring). Bieżąca implementacja działa; jednak wymaga to jawnej pętli nad wierszami i duplikowania wierszy w "powerMatrix"). Czy możliwe jest uzyskanie tego samego wyniku za pomocą pojedynczego połączenia z numpy.power? Btw .: kolejność wpisów w wierszach wyników nie ma dla mnie znaczenia.2d numpy.power dla wielomianowej rozbudowy
import numpy
def polynomialFeatures(x, order):
""" Generate polynomial features of given order for data x.
For each row of ndarray x, the polynomial expansions are computed, i.e
for row [x1, x2] and order 2, the following row of the result matrix is
computed: [1, x1, x1**2, x2, x1*x2, x1**2*x2, x2**2, x1*x2**2, x1**2*x2**2]
Parameters
----------
x : array-like
2-D array; for each of its rows, the polynomial features are created
order : int
The order of the polynomial features
Returns
-------
out : ndarray
2-D array of shape (x.shape[0], (order+1)**x.shape[1]) containing the
polynomial features computed for the rows of the array x
Examples
--------
>>> polynomialFeatures([[1, 2, 3], [-1, -2, -3]], 2)
array([[ 1 3 9 2 6 18 4 12 36 1 3 9 2 6 18 4 12
36 1 3 9 2 6 18 4 12 36]
[ 1 -3 9 -2 6 -18 4 -12 36 -1 3 -9 2 -6 18 -4 12
-36 1 -3 9 -2 6 -18 4 -12 36]])
"""
x = numpy.asarray(x)
# TODO: Avoid duplication of rows
powerMatrix = numpy.array([range(order+1)] * x.shape[1]).T
# TODO: Avoid explicit loop, and use numpy's broadcasting
F = []
for i in range(x.shape[0]):
X = numpy.power(x[i], powerMatrix).T
F.append(numpy.multiply.reduce(cartesian(X), axis=1))
return numpy.array(F)
print numpy.all(polynomialFeatures([[1, 2, 3], [-1, -2, -3]], 2) ==
numpy.array([[1, 3, 9, 2, 6, 18, 4, 12, 36, 1,
3, 9, 2, 6, 18, 4, 12, 36, 1, 3,
9, 2, 6, 18, 4, 12, 36],
[1, -3, 9, -2, 6, -18, 4, -12, 36, -1,
3, -9, 2, -6, 18, -4, 12, -36, 1, -3,
9, -2, 6, -18, 4, -12, 36]]))
Dzięki Jan
EDIT: Funkcja brakującym kartezjański zdefiniowana jest tutaj: Using numpy to build an array of all combinations of two arrays
+1. [Usunąłem swój głupi komentarz - przekazałem '[1,2,3]' do twojej funkcji zamiast '[[1,2,3]]', co oczywiście dało równie głupie wyniki.] – DSM
Dzięki dużo, które wykonało zadanie :-) – frisbee
To naprawdę eleganckie rozwiązanie! Chciałbym go użyć w małym projekcie, nad którym pracuję, jeśli nie masz nic przeciwko: https://github.com/dreamwalkerrr/mledu. (przydzieli ci ten algorytm do linku do tej odpowiedzi, jeśli to jest w porządku?). Czy mógłbyś mi również powiedzieć, jaki byłby najlepszy sposób na wykluczenie haseł podniesionych do potęgi 0? – dreamwalker