python - 如何从 sklearn TruncatedSVD 对象中获取特征名称？

Question

我有以下代码

import pandas as pd
import numpy as np
from sklearn.decomposition import TruncatedSVD
df = df = pd.DataFrame(np.random.randn(1000, 25), index=dates, columns=list('ABCDEFGHIJKLMOPQRSTUVWXYZ'))

def reduce(dim):
    svd = sklearn.decomposition.TruncatedSVD(n_components=dim, n_iter=7, random_state=42)
    return svd.fit(df)

fitted = reduce(5)

如何从 fitted 中获取列名？

Answer 1

In continuation of Mikhail post.

假设您已经从 vectorizer.get_feature_names() 获得了 feature_names，然后您调用了 svd.fit(X)

现在您还可以使用以下代码提取排序后的最佳特征名称:

best_fearures = [feature_names[i] for i in svd.components_[0].argsort()[::-1]]

上面的代码，尝试返回 svd.components_[0] 的降序排序的参数，并从 feature_names (所有功能)中找到相对索引，并且构造 best_features 数组。然后您可以看到例如 10 个最佳功能:

In[21]: best_features[:10]

Out[21]: 
['manag',
 'develop',
 'busi',
 'solut',
 'initi',
 'enterprise',
 'project',
 'program',
 'process',
 'plan']