1
有没有什么方法可以从Scikit-learn(或使用过的训练数据的整个表格)中获得使用模型中的特征(属性)列表? 我正在使用某些预处理功能,例如功能选择,我想知道所选的功能和已删除的功能。例如,我使用随机森林分类器和递归功能消除。如何从Scikit-learn中的拟合模型中获取属性列表?
有没有什么方法可以从Scikit-learn(或使用过的训练数据的整个表格)中获得使用模型中的特征(属性)列表? 我正在使用某些预处理功能,例如功能选择,我想知道所选的功能和已删除的功能。例如,我使用随机森林分类器和递归功能消除。如何从Scikit-learn中的拟合模型中获取属性列表?
选定要素的蒙版存储在RFE对象的'_support'属性中。
下面是一个例子:
from sklearn.datasets import make_friedman1
from sklearn.feature_selection import RFE
from sklearn.svm import SVR
# load a dataset
X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
estimator = SVR(kernel="linear")
selector = RFE(estimator, 5, step=1)
X_new = selector.fit_transform(X, y)
print selector.support_
print selector.ranking_
显示:
array([ True, True, True, True, True,
False, False, False, False, False], dtype=bool)
array([1, 1, 1, 1, 1, 6, 4, 3, 2, 5])
请注意,如果你想在一个RFE使用随机森林分类模型,你会得到这个错误:
AttributeError: 'RandomForestClassifier' object has no attribute 'coef_'
我发现了一个workarround在这个线程:Recursive feature elimination on Random Forest using scikit-learn
你必须重写RandomForestClassifier类是这样的:
class RandomForestClassifierWithCoef(RandomForestClassifier):
def fit(self, *args, **kwargs):
super(RandomForestClassifierWithCoef, self).fit(*args, **kwargs)
self.coef_ = self.feature_importances_
希望它能帮助:)
谢谢,这就是我一直在寻找! – Bohemiak