添加虚拟特征

sklearn.preprocessing.add_dummy_feature(X, value=1.0)

使用附加的虚拟特征增强数据集。

这对于使用无法直接拟合截距项的实现拟合截距项很有用。

参数：

X形状为 (n_samples, n_features) 的 {数组, 稀疏矩阵}

数据。

value浮点数

用于虚拟特征的值。

返回值：

X形状为 (n_samples, n_features + 1) 的 {ndarray, sparse matrix}

添加了虚拟特征作为第一列的相同数据。

示例

>>> from sklearn.preprocessing import add_dummy_feature
>>> add_dummy_feature([[0, 1], [1, 0]])
array([[1., 0., 1.],
       [1., 1., 0.]])