本文详解如何将使用 splinetransformer（1阶、5个内结点）预处理后拟合的线性回归模型，转化为显式、可解析的数学表达式，涵盖分段定义、结点处理、交互项展开及实际推导步骤。
本文详解如何将使用 splinetransformer（1阶、5个内结点）预处理后拟合的线性回归模型，转化为显式、可解析的数学表达式，涵盖分段定义、结点处理、交互项展开及实际推导步骤。
在高维回归建模中，SplineTransformer（来自 scikit-learn）常用于对连续型特征进行非线性编码，尤其适用于捕捉单调或局部变化趋势。当您对 5 个原始特征（记为 $x_1, x_2, \dots, x_5$）分别应用一阶（线性）B样条变换，并设置 5 个内结点（interior knots） 时，每个特征将被映射为 $5 + 1 = 6$ 个分段线性基函数（即 6 维样条特征向量）。若未启用交互项（默认 include_bias=False, interaction=False），总输入维度为 $5 \times 6 = 30$；若启用二阶交互（interaction=True），则维度急剧上升至 $\binom{30}{2} + 30 = 465$，此时完整方程将极为冗长——因此，数学表达的核心在于结构化展开，而非强行写出全部 465 项。
一、单特征样条变换的数学形式（以 $x_j$ 为例）
设特征 $x_j$ 的结点集为 $\xi_1 < \xi_2 < \dots < \xi5$（由 SplineTransformer 自动计算或用户指定）。一阶 B 样条基函数 $b{j,k}(xj)$ 是分段线性“帽形”函数，支撑区间为 $[\xi{k-1}, \xi_{k+1}]$（边界需特殊处理）。其显式定义可写作：
$$ b_{j,k}(x_j) = \begin{cases} \displaystyle \frac{xj - \xi{k-1}}{\xik - \xi{k-1}}, & \xi_{k-1} \le x_j < \xik \ \displaystyle \frac{\xi{k+1} - xj}{\xi{k+1} - \xi_k}, & \xi_k \le xj < \xi{k+1} \ 0, & \text{otherwise} \end{cases} $$
其中 $k = 1,\dots,6$，并约定 $\xi_0 = -\infty$, $\xi_6 = +\infty$（实际实现中采用边界外推或截断）。因此，变换后该特征贡献的 6 个基函数为：
$$
\phi_j(xj) = \big[ b{j,1}(xj),\; b{j,2}(xj),\; \dots,\; b{j,6}(x_j) \big]^\top \in \mathbb{R}^6.
$$
二、全模型的线性组合表达式
令 $\mathbf{z} = \big[ \phi_1(x_1)^\top,\; \phi_2(x_2)^\top,\; \dots,\; \phi_5(x_5)^\top \big]^\top \in \mathbb{R}^{30}$ 为无交互的样条特征向量。线性回归拟合得到权重向量 $\boldsymbol{\beta} \in \mathbb{R}^{30}$ 和截距 $b$，则预测方程为：
$$ \hat{y} = b + \sum{j=1}^{5}\sum{k=1}^{6} \beta{j,k}\, b{j,k}(x_j) $$
✅ 关键说明：此式已明确体现“各特征独立样条变换 + 线性加权”，是标准且可解释的数学形式。
三、加入交互项的严谨表达（推荐按需展开）
若启用 interaction=True，模型包含所有两两基函数乘积项：${ b_{j,k}(xj) \cdot b{\ell,m}(x_\ell) \mid 1 \le j < \ell \le 5,\; 1 \le k,m \le 6 }$，共 $ \binom{5}{2} \times 6 \times 6 = 360 $ 项，加上主效应 30 项和截距，总计 466 参数。
此时完整方程为：
$$ \hat{y} = b
- \sum{j=1}^{5}\sum{k=1}^{6} \beta{j,k}\, b{j,k}(x_j)
- \sum{1 \le j < \ell \le 5}\sum{k=1}^{6}\sum{m=1}^{6} \gamma{j,\ell,k,m}\, b_{j,k}(xj)\, b{\ell,m}(x_\ell) $$
⚠️ 注意事项：
- 实际应用中，不建议手动书写全部交互项；应依赖 SplineTransformer.transform() 输出的稀疏设计矩阵 Z 与 LinearRegression.coef_ 进行数值计算；
- 若需可读性，可选取显著交互项（如通过 SelectKBest 或基于系数绝对值阈值）单独列出；
- 结点处函数连续但不可导，数学表达中需确保分段定义在 $\xi_i$ 处左右极限一致（scikit-learn 默认满足）；
- 所有 $b_{j,k}(\cdot)$ 均为分段线性，故整体 $\hat{y}$ 是分段仿射函数（piecewise affine），在 5 维空间中形成复杂但凸的分段超平面结构。
四、Python 验证示例（提取并打印前两个特征的样条基）
from sklearn.preprocessing import SplineTransformer
from sklearn.linear_model import LinearRegression
import numpy as np
# 示例数据（5 features）
X = np.random.uniform(0, 10, (1000, 5))
y = 2*X[:,0] + 0.5*X[:,1]**2 + np.random.normal(0, 0.1, 1000)
# 构建样条变换器（1阶，5 knots，无交互）
spline = SplineTransformer(degree=1, n_knots=5, include_bias=False)
X_spline = spline.fit_transform(X) # shape: (1000, 30)
# 拟合线性模型
lr = LinearRegression().fit(X_spline, y)
# 查看第一个特征（x0）对应的6个基函数结点与系数
knots_x0 = spline.knots_[0] # shape (7,) — 含边界结点
print("x0 knots:", knots_x0) # e.g., [0., 2., 4., 6., 8., 10.]
print("Coefficients for x0's 6 bases:", lr.coef_[0:6])✅ 总结：高维样条+线性回归模型的数学本质是分段线性函数的加权和。其方程必须显式体现分段性（通过条件定义或指示函数），而交互项则引入跨特征的局部乘积结构。工程实践中，优先使用代码生成可部署的预测函数；学术或解释性场景下，聚焦关键特征与主导交互项，并辅以可视化（如部分依赖图）比罗列全方程更具价值。
