是的。

您应该考虑每个提议的元特征的物理意义，以及它是否与手头的问题相关。例如，假设您对患者体温感兴趣。你可以添加$height^2$和$height^3$，因为它们大致与表面积（患者通过该表面积将热量散失到凉爽的环境）和体积（组织呼吸产生热量）成正比。当然，如果有耐心，您可能会选择丢弃最后一个，因为它很愚蠢$weight$是您的数据集的一部分。如果你的对象是从老鼠到大象的哺乳动物，那么这个立方条目可能仍然具有一定的预测能力。

将一对价格相乘以获得以美元为单位的一列并不是一个好主意。

在熟悉的 iris 数据集中，用长度乘以宽度来获得萼片面积或花瓣面积绝对是有意义的，就像划分它们一样，可以获得纵横比。

如果元特征不能改善训练错误，那么当然丢弃它并继续前进。