- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个包含超过 100k 行和 1000 列/特征以及一个输出(0 和 1)的数据集。我想为我的模型选择最好的特征/列。我正在考虑在 scikit-learn 中组合多种特征选择方法,但我不知道这是否是正确的过程,或者是否是正确的做法。另外,您会在下面的代码中看到,当我使用 pca
时,它表示列 f1
是最重要的功能,最后它表示我应该使用第 2 列(功能 f2
),为什么会发生这种情况,这是好的/正确的/正常的吗?请参阅下面的代码,我为此使用了虚拟数据:
import pandas as pd
from sklearn.feature_selection import RFE, SelectFromModel
from sklearn.decomposition import PCA
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
df = pd.DataFrame({'f1':[1,5,3,4,5,16,3,1,0],
'f2':[0.1,0.5,0.3,0.4,0.5,1.6,0.3,0.1,1],
'f3':[12,41,53,13,53,13,65,24,21],
'f4':[1,6,3,4,4,18,5,2,5],
'f5':[10,15,32,41,51,168,27,13,2],
'result':[1,0,1,0,0,0,1,1,0]})
print(df)
x = df.iloc[:,:-1]
y = df.iloc[:,-1]
# Printing the shape of my data before PCA
print(x.shape)
# Doing PCA to reduce number of features
pca = PCA()
fit = pca.fit(x)
pca_result = list(fit.explained_variance_ratio_)
print(pca_result)
#I see that 'f1', 'f2' and 'f3' are the most important values
#so now, my x is:
x = df[['f1', 'f2', 'f3']]
print(x.shape) #new shape of x
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3, random_state = 0)
classifiers = [['Linear SVM', SVC(kernel = 'linear', gamma = 'scale')],
['Decission tree', DecisionTreeClassifier()],
['Random Forest', RandomForestClassifier(n_estimators = 100)]]
# now i use 'SelectFromModel' so that I can get the optimal number of features/columns
my_acc = 0
for c in classifiers:
clf = c[1].fit(x_train, y_train)
model = SelectFromModel(clf, prefit=True)
model_score = clf.score(x_test, y_test)
column_res = model.transform(x_train).shape
print(model_score, column_res)
if model_score > my_acc:
my_acc = model_score
column_res = model.transform(x_train).shape
number_of_columns = column_res[1]
my_cls = c[0]
# classifier with the best accuracy and his number of columns is:
print(my_cls)
print('Number of columns',number_of_columns)
#Can I call 'RFE' now, is it correct / good / right thing to do?
# I want to find the best column for this
my_acc = 0
for c in classifiers:
model = c[1]
rfe = RFE(model, number_of_columns)
fit = rfe.fit(x_train, y_train)
acc = fit.score(x_test, y_test)
if acc > my_acc:
my_acc = acc
list_of_results = fit.support_
final_model_name = c[0]
final_model = c[1]
print()
print(c[0])
print(my_acc)
print(list_of_results)
#I got the result that says that I should use second column, and In the PCA it says that first column is the most important
#Is this good / normal / correct?
这是正确的方法,还是我做错了什么?
最佳答案
解释你的代码:
pca = PCA()
fit = pca.fit(x)
pca 将保留您的所有功能:要保留的组件数量。如果未设置 n_components,则保留所有组件
命令:
pca_result = list(fit.explained_variance_ratio_)
这篇文章解释得很好:Python scikit learn pca.explained_variance_ratio_ cutoff
你应该使用:
fit.explained_variance_ratio_.cumsum()
因为输出是您要保留的每个维度的方差(以百分比为单位)。使用主成分分析来衡量特征重要性是错误的。
只有带有SelectModel
的部分对于特征选择才有意义。您可以在第一步中运行 SelectModel
,然后使用 PCA 进一步降维,但如果您有足够的内存来运行它,则无需降维。
关于python - 如何在Pythons Scikit-Learn中组合多种特征选择方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57571312/
我有一个 mysql 表,其中包含一些随机数字组合。为简单起见,以下表为例: index|n1|n2|n3 1 1 2 3 2 4 10 32 3 3 10 4 4
我有以下代码: SELECT sdd.sd_doc_classification, sdd.sd_title, sdd.sd_desc, sdr.sd_upl
如果我有两个要合并的数据框 Date RollingSTD 01/06/2012 0.16 01/07/2012 0.18 01/08/2012 0.17 01/09/20
我知道可以使用 lein ring war 创建一个 war 文件,但它似乎仍然包含码头依赖项。当我构建 war (并在 tomcat 上部署)时,有没有办法排除码头依赖项? 如果我根本不能做这件事,
维基百科关于封装的文章指出: “封装还通过防止用户将组件的内部数据设置为无效或不一致的状态来保护组件的完整性” 我在一个论坛上开始讨论封装,在那里我问你是否应该始终在 setter 和/或 gette
对于我使用的组合框内的复选框: AOEDComboAssociationName = new Ext.form.ComboBox({ id: 'AOEDComboAssociationName',
这个问题在这里已经有了答案: 关闭 10 年前。 Possible Duplicate: How do I combine LINQ expressions into one? public boo
如何在 rust 中找到排列或组合的数量? 例如C(10,6) = 210 我在标准库中找不到这个函数,也找不到那里的阶乘运算符(这就足够了)。 最佳答案 以@vallentin 的回答为基础,可以进
我有一个复杂的泛型类型用例,已在下面进行了简化 trait A class AB extends A{ val v = 10 } trait X[T<:A]{ def request: T }
如何使用 Hibernate 限制来实现此目的? (((A='X') and (B in('X',Y))) or ((A='Y') and (B='Z'))) 最佳答案 思考有效 Criteria c
我一定会在我的一个项目中使用谷歌图表。我需要的是,显示一个条形图,并且在条形图中,与每个条形相交的线代表另一个值。如果您查看下面的 jsfiddle,您会发现折线图仅与中间的条形图相交,并继续向其他条
只是一个简单的问题,我也很想得到答案,因为我不能百分百理解 Javascript 示例:假设您提示用户输入名称。够简单吧?但是你有一个数组,上面写着一些名字(其中之一就是),基本上就是我到目前为止所说
我试图通过 Haskell 理解函数式编程,但在处理函数组合时遇到了很多麻烦。 其实我有这两个功能: add:: Integer -> Integer -> Integer add x y = x
我正在寻找一种在 Realm 查询中组合 AND 和 OR 的方法。 这是我的课: class Event extends RealmObject { String id; String
例如,我有一个包含 5 个元素的哈希: my_hash = {a: 'qwe', b: 'zcx', c: 'dss', d: 'ccc', e: 'www' } 我的目标是每次循环哈希时都返回,但没
我是Combine 的新手,我想得到一个看似简单的东西。假设我有一个整数集合,例如: let myCollection = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 我想以例如 0
关于“优先组合而不是继承”的问题,我的老师是这样说的: 组合:现有类成为新类的组件 转发:新类中的每个实例方法,在现有类的包含实例上调用相应的方法并返回结果 包装器:新类封装了现有的 这三个概念我不是
我正在尝试将单个整数从 ASCII 值转换为 0 和 1。相关代码如下所示: int num1 = bin.charAt(0); int num2 = bin.charAt(1);
这个问题已经有答案了: What is a NullPointerException, and how do I fix it? (12 个回答) 已关闭 7 年前。 我经常看到“嵌套”类中的非静态变
我尝试合并两个数据集(DataFrame),如下所示: D1 = pd.DataFrame({'Village':['Ampil','Ampil','Ampil','Bachey','Bachey',
我是一名优秀的程序员,十分优秀!