python scikit-learn 2次項の重回帰の係数、切片から、目的変数値を計算したい

Question

実現したいこと

python scikit-learn を使って、2次項の重回帰の係数、切片を求めました。目的変数値を上記で求めた係数、切片と、説明変数のどれかの値を代入して求めたいです。
下記のサンプルコードのように、説明変数の数が3つで2次項の回帰の場合、係数の数は9つになります。9つの係数と、切片と、元データの0行目の、X1、X2、ｘ3　の値を使って、目的変数を算出したいですが、9つの係数と切片は出ているのですが、元データの、X1、X2、X3、X1^2、X1 X2、X1 X3、X2^2、X2 X3、X3^2　に対応する値を出したいです。これらを計算する方法、もしくは、関数はないでしょうか？

該当のソースコード

import pandas as pd
import numpy as np
import sklearn
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
from sklearn.preprocessing import StandardScaler

df_test = pd.DataFrame([[10,20,30,1010],[11,21,31,1100],[12,22,32,1020],[13,23,33,1200],[14,24,34,1030]],columns=['X1','X2','X3','Y'])
df_test = pd.DataFrame(df_test)

　X1	X2	X3	Y
0	10	20	30	1010
1	11	21	31	1100
2	12	22	32	1020
3	13	23	33	1200
4	14	24	34	1030

#説明変数のデータフレーム
df_setsumei_test = df_test.iloc[:,0:-1]
#目的変数のデータフレーム
df_mokuteki_test = df_test.iloc[:,3]

# 説明変数と目的変数の設定
X = df_setsumei_test.iloc[:,:]
Y = df_mokuteki_test.iloc[:]

#次数の設定
poly = PolynomialFeatures(degree=2, include_bias=False)

X = poly.fit_transform(X)

# モデルの作成と学習
model = LinearRegression()
model.fit(X, Y)

#説明変数の項目名と係数を出力する
feature_names = poly.get_feature_names_out(input_features=df_setsumei_test.columns)
coefficients = pd.Series(model.coef_, index=feature_names)
print('2次の説明変数と項目')
print(coefficients)

2次の説明変数と項目
X1        0.828657
X2        0.828657
X3        0.828657
X1^2    -19.668376
X1 X2   -11.381807
X1 X3    -3.095238
X2^2     -3.095238
X2 X3     5.191331
X3^2     13.477900

Comments

[meg_]

やりたい事は
> 元データの0行目の、X1、X2、ｘ3　の値を使って、目的変数を算出したい
なのか
> 元データの、X1、X2、X3、X1^2、X1 X2、X1 X3、X2^2、X2 X3、X3^2　に対応する値を出したい
なのか、どちらでしょうか？

[matsutai]

説明が分かりにくかったら、申し訳ありません。
・元データの0行目の、X1、X2、ｘ3　の値を使って、目的変数を算出したい
のですが、元データの、X1、X2、ｘ3　を、X1、X2、X3、X1^2、X1 X2、X1 X3、X2^2、X2 X3、X3^2　に加工しないと使えないのかなと思いました。
説明変数の数、次数によって、X1、X2、ｘ3　を　X1、X2、ｘ3　を、X1、X2、X3、X1^2、X1 X2、X1 X3、X2^2、X2 X3、X3^2　に展開する関数等が無いかという質問のつもりです。

[jbpb0]

> 元データの、X1、X2、X3、X1^2、X1 X2、X1 X3、X2^2、X2 X3、X3^2　に対応する値を出したい

X = poly.fit_transform(X)

のすぐ下に

print(X)

を追加して実行してみてください

参考
https://helve-blog.com/posts/python/scikit-learn-polynomialfeatures/

[jbpb0]

> 9つの係数と、切片と、元データの0行目の、X1、X2、ｘ3　の値を使って、目的変数を算出したい

model.fit(X, Y)

のすぐ下に、

print(model.predict([X[0]]))

または

print(model.predict(X[0:1]))

を追加して実行してみてください

【追記】
print(model.predict(X))

とすれば、元データの全部の行になります

[matsutai]

jbpb0さん
ありがとうございました。表示されました。

Answer 1

質問欄に書いていただきましたが、
jbpb0　さん　の回答を記入して解決とします。
ありがとうございます。
X = poly.fit_transform(X)
のすぐ下に
print(X)
を追加して実行してみてください

model.fit(X, Y)
のすぐ下に、
print(model.predict([X[0]]))
または
print(model.predict(X[0:1]))
を追加して実行してみてください
【追記】
print(model.predict(X))
とすれば、元データの全部の行になります