我一直在使用scikit学习，非常整洁。通过点（X-Y）拟合多项式曲线非常容易。如果我有N个点，我可以选择N-1阶的多项式，并且曲线将完美地拟合点。
如果我的X向量有多个维度，在scikit-learn中我可以构建一个包含PolynomialFeatures和LinearRegression的管道。我被困的地方是使用PolynomialFeatures（不是输入）创建的特征数量更灵活;我希望能够指定特征的总量，最终目标是具有遍历所有点的多项式。例如。在3D中（X有3列），如果我有27个点（3X3X3的方阵）;我想将功能数限制为27。
（PolynomialFeatures确实具有powers_的属性，但无法设置。探索源也似乎没有显示任何特定的内容）。
有任何想法吗？
干杯，N
你的问题定义不明确。如果你想要34个可能的14个特征，那14个应该是什么？
在您的位置，我将生成多余的功能，然后使用功能选择算法。它将是稀疏模型（如Lasso）或特征选择算法（如RFE）。