4
我想在我的机器学习项目中scikit学习和weka数据挖掘工具之间做出决定。但是我意识到需要选择特征。我想知道scikit学习是否具有特征选择的包装方法。特征选择(机器学习)的包装方法在Scikit学习
我想在我的机器学习项目中scikit学习和weka数据挖掘工具之间做出决定。但是我意识到需要选择特征。我想知道scikit学习是否具有特征选择的包装方法。特征选择(机器学习)的包装方法在Scikit学习
scikit-learn支持Recursive Feature Elimination(RFE),它是用于特征选择的包装方法。
mlxtend,被设计为与scikit学习以及工作的一个独立的Python库,还提供了一个Sequential Feature Selector(SFS)的作品有点不同:
RFE在计算上是不太复杂的使用功能的权重系数(例如,线性模型)或特征重要性(基于树的算法)以递归消除特征,而SFS基于用户定义的分类器/回归性能度量消除(或添加)特征。