个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
30
4
我很难理解给定的 RFECV example在当前文档中。在情节中，它被写为“nb of misclassifications”，所以我希望它“越低越好”。但在示例图中，最好的已被选为最高的交叉验证分数。所以我自然希望它与准确性相关(无论如何，评分表示代码的准确性)。但它是如何变得高于 1 的呢？
我对如何解释这些结果有点困惑。我将不胜感激。
谢谢!
最佳答案
RFECV有一个有用的 verbose 选项。使用 verbose=2 运行，您可以看到，对于 2 折交叉值检查，例如，grid_scores_ 包含两个折分数的总和。
一般来说，对于 n 倍检查，grid_scores_ 是倍数总和除以 n-1，see in code .这似乎是一个错误；看到有点相关issue on the tracker .
关于python - scikit-learn:关于 RFECV 示例的问题，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/21163128/
30
4
0
我对 sklearn 中的教程稍作修改 所以X有缺失值。这不适用于原始 svc，因此我尝试创建一个 clf 作为管道——一个 imputer，然后是一个 svc。但是，我仍然收到缺失值错误。将 RFE
我想使用包含的交叉验证 (RFECV) 执行递归特征消除。我的问题是，虽然我对我的数据进行了大量二次采样，但由于我的特征数量 (278)，这个过程太慢了，而且可能无法在我为实验分配的时间内得出结论。
在 Sklearn 中有一个实现这个的提议 #15075 , 但与此同时，建议将 eli5 作为解决方案。但是，我不确定我是否以正确的方式使用它。这是我的代码: from sklearn.datase
我是 SKLearn 的新手，对特征选择有疑问。 我正在尝试构建一个 SVM 模型，我的数据具有大约 30 个特征，所有这些特征都大约 10k 个数据点，我目前正在尝试尽可能多地消除无用的特征。我先舍
我是 SKLearn 的新手，对特征选择有疑问。 我正在尝试构建一个 SVM 模型，我的数据具有大约 30 个特征，所有这些特征都大约 10k 个数据点，我目前正在尝试尽可能多地消除无用的特征。我先舍
我正在尝试运行 RFECV 来选择最佳功能，并运行 GridSearchCV 来获得最佳超参数。我的代码如下所示: params = {'estimator__C': [1e-4, 1e4]} est
来自 scikit-learn RFE documentation ，算法依次选择更小的特征集，只保留权重最高的特征。权重低的特征会被丢弃，这个过程会不断重复，直到剩余的特征数量与用户指定的数量相匹配
我正在尝试对 sklearn 中的嵌套 CV 的内循环执行特征选择和网格搜索。虽然我可以将管道作为估算器传递给 RFECV，但当我将 RFECV 作为估算器传递给 GridSearchCV 时，我会收
使用交叉验证 (RFECV) 的递归特征消除不起作用，得到 KeyError: 'weight' .正如我所见，它无法计算系数，因此缺少权重。 我有一个估计器作为 XGBClassifier。 最佳答
我正在使用 scikit-learn 的递归特征排名函数(http://scikit-learn.org/stable/modules/generated/sklearn.feature_select
我很难理解给定的 RFECV example在当前文档中。在情节中，它被写为“nb of misclassifications”，所以我希望它“越低越好”。但在示例图中，最好的已被选为最高的交叉验证分
受此启发:http://scikit-learn.org/stable/auto_examples/feature_selection/plot_rfe_with_cross_validation.h
我想编写一个代码，可以在几个处理器和预处理器上进行网格搜索，也可以在不同的功能组合上进行网格搜索。我通过在 gridsearchCV 中使用 RFECV 来完成此操作。然而，这需要很长时间才能运行。因
我试图使用 rfecv 缩小与我的分类器真正相关的特征的数量。这是我写的代码 import sklearn import pandas as p import numpy as np import s
我尝试使用 RFECV 进行特征选择，但每次都会给出不同的结果，交叉验证是否将样本 X 划分为随机 block 或顺序确定性 block ？ 此外，为什么 grid_scores_ 和 score(X
我尝试使用 RFECV 进行特征选择，但每次都会给出不同的结果，交叉验证是否将样本 X 划分为随机 block 或顺序确定性 block ？ 此外，为什么 grid_scores_ 和 score(X
我使用递归特征消除和交叉验证 (rfecv) 来找到我拥有的多个特征的最佳准确度得分 (m =154)。 rfecv = RFECV(estimator=logreg, step=1, cv=Stra
我对机器学习还很陌生，并试图自己解决问题。我正在使用 SciKit learn 并拥有一个包含大约 20,000 个特征的推文数据集 (n_features=20,000)。到目前为止，我的准确率、召
我正在使用 sklearn 的特征提取 RFECV，它有一个参数“n_jobs”来分配核心使用。 我有一个英特尔 i5-8400 CPU @ 2.80GHz(6 核) 我正在运行 ubuntu 16.
Scikit-learn 库支持递归特征消除(RFE)及其交叉验证版本(RFECV)。 RFECV 对我来说非常有用，它可以选择小特征，但我想知道 RFE 的交叉验证是如何完成的。 RFE 是减少最不
我是一名优秀的程序员,十分优秀！