“按度生成多项式特征”是指在机器学习中，将原始特征进行多项式转换，生成更高次项的特征，以增强模型的表达能力。下面是一个Python代码示例，展示如何使用scikit-learn库的PolynomialFeatures类来实现按度生成多项式特征：

from sklearn.preprocessing import PolynomialFeatures
import numpy as np

# 原始特征
X = np.array([[1, 2],
              [3, 4],
              [5, 6]])

# 创建PolynomialFeatures对象，指定要生成的最高次数
poly = PolynomialFeatures(degree=2)

# 将原始特征转换为多项式特征
X_poly = poly.fit_transform(X)

# 打印转换后的特征
print(X_poly)

运行上述代码，将输出如下结果：

[[ 1.  1.  2.  1.  2.  4.]
 [ 1.  3.  4.  9. 12. 16.]
 [ 1.  5.  6. 25. 30. 36.]]

结果中的每一行是原始特征的多项式转换形式。例如，第一行 [ 1. 1. 2. 1. 2. 4.] 表示将原始特征 [1, 2] 转换为一阶项 1、二阶项 1 和 2 的组合。

需要注意的是，PolynomialFeatures类还可以通过设置参数include_bias来指定是否生成截距项，默认为True。此外，PolynomialFeatures类还可以通过设置参数interaction_only来指定是否只生成交互项，默认为False。根据实际需求，可以适当调整这些参数的值。