PolynomialFeatures生成交互项需设degree=2、interaction_only=True、include_bias=False，输入须为二维数组；混有类别列时应配合ColumnTransformer指定数值列，并设remainder='passthrough'；务必先分割数据，再对训练集fit_transform、测试集transform。
用 PolynomialFeatures 生成交互项最直接
Python 3.12 中的 Scikit-learn（≥1.3）仍用 PolynomialFeatures 构造特征交互，它不依赖 Python 版本，只看 sklearn 版本。关键不是“3.12 专属方法”，而是确认你装的是支持 interaction_only=True 的版本（1.0+ 都支持）。默认会生成所有阶数组合，但交互项只需一次项乘积，必须显式关掉高次幂。
常见错误是漏设 interaction_only=True，结果得到 x1²、x2³ 这类单变量高次项，这不是交互；或者忘了设 include_bias=False，多出一列全 1 的截距项，干扰后续模型训练。
-
degree=2是必须的——degree=1不生成任何交互 -
interaction_only=True必须开启，否则默认生成幂次项 -
include_bias=False推荐关闭，除非下游模型明确需要偏置列 - 输入必须是二维数组：
numpy.ndarray或pandas.DataFrame，一维Series会报ValueError: Expected 2D array
from sklearn.preprocessing import PolynomialFeatures import numpy as np <p>X = np.array([[1, 2], [3, 4], [5, 6]]) poly = PolynomialFeatures(degree=2, interaction_only=True, include_bias=False) X_interact = poly.fit_transform(X)</p><h1>输出：[[ 1. 2. 2.] # x1, x2, x1*x2</h1><h1>[ 3. 4. 12.]</h1><h1>[ 5. 6. 30.]]
为什么 ColumnTransformer + PolynomialFeatures 更安全
真实数据常混有数值列和类别列，直接对整表调 fit_transform 会把类别列当数字相乘，产生无意义交互（比如把 "male"/"female" 编码成 0/1 后算 0×1=0，丢失语义）。这时不能跳过列选择步骤。
容易踩的坑是用 make_column_selector 时没限定 dtype_include，导致浮点型 ID 列或时间戳列也被卷入交互，放大噪声。另外，ColumnTransformer 默认对未指定列 drop，若忘记加 remainder='passthrough'，非数值列就直接消失了。
立即学习“Python免费学习笔记（深入）”；
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
- 数值列筛选推荐写死列名列表，比 dtype 推断更可控
- 务必加
remainder='passthrough'保留其他列（如已编码的类别特征） - 若后续要 pipeline 拟合，确保
PolynomialFeatures在ColumnTransformer内部不带fit以外的副作用（它本身是纯变换器，没问题）
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import PolynomialFeatures
<h1>假设 df 有 'age', 'income', 'gender_encoded'</h1><p>numeric_cols = ['age', 'income']
ct = ColumnTransformer(
transformers=[('poly', PolynomialFeatures(degree=2, interaction_only=True, include_bias=False), numeric_cols)],
remainder='passthrough'
)
X_transformed = ct.fit_transform(df)
fit_transform 和 transform 分开用才能避免数据泄露
交互项本质是依赖训练数据统计信息的变换（比如各列均值、范围不影响，但列间相关性结构会影响哪些交互有意义），所以必须在训练集上 fit_transform，在验证/测试集上只 transform。直接对全量数据 fit_transform 再切分，会导致验证集信息泄漏到特征构造中，CV 分数虚高。
另一个隐蔽问题是：如果训练集某两列完全共线性（比如 height_cm 和 height_m），PolynomialFeatures 仍会生成它们的乘积项，但该列在训练后可能接近零方差，下游模型（如树模型）虽能容忍，线性模型则易因多重共线性警告而失败。此时应先做方差过滤或相关性剪枝。
- 永远先切分数据，再对训练集调
fit_transform - 测试集只能用已拟合的 transformer 调
transform，不能重新fit - 生成后检查
X_interact.var(axis=0)，过滤掉方差
替代方案：手写交互列更透明但难扩展
对于少量明确业务逻辑的交互（如“是否周末 × 是否促销”），硬编码比调用 PolynomialFeatures 更清晰、可读性强，且不引入额外依赖。但一旦交互组合超过 3–4 对，手动写就容易漏、难维护，且无法和 Pipeline 无缝集成。
典型错误是用 * 直接乘两个 pandas Series，结果类型变成 object（尤其当其中一列含 NaN），后续进模型报错；或没重命名列名，导致 transform 后列顺序混乱，Pipeline 里取错列。
- 用
df.assign()或df['new_feat'] = ...显式赋值，别链式操作 - 涉及 NaN 时用
np.where(pd.isna(a) | pd.isna(b), np.nan, a * b)替代裸乘 - 命名建议带前缀，如
'weekend_x_promo'，避免和原始列名冲突
# 安全的手动交互示例
df = df.assign(
weekend_x_promo=np.where(
pd.isna(df['is_weekend']) | pd.isna(df['is_promo']),
np.nan,
df['is_weekend'] * df['is_promo']
)
)实际项目里，交互项爆炸增长很快——3 个数值特征开二次交互就产生 3 个新特征，10 个就是 45 个；若再加三阶，10 个变 120 个。别盲目堆交互，先用 PermutationImportance 或树模型的 feature<em>importances</em> 看哪些真有用。
