python - 使用 RFECV 和排列重要性的正确方法 - Sklearn

Question

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.datasets import make_friedman1
from sklearn.feature_selection import RFECV
from sklearn.svm import SVR
import eli5
X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
estimator = SVR(kernel="linear")
perm = eli5.sklearn.PermutationImportance(estimator,  scoring='r2', n_iter=10, random_state=42, cv=3)
selector = RFECV(perm, step=1, min_features_to_select=1, scoring='r2', cv=3)
selector = selector.fit(X, y)
selector.ranking_
#eli5.show_weights(perm) # fails: AttributeError: 'PermutationImportance' object has no attribute 'feature_importances_'

有几个问题:

1. 我不确定我是否以正确的方式使用交叉验证。 PermutationImportance 正在使用 cv 来验证验证集的重要性，或者交叉验证应该只与 RFECV 一起使用？ (在示例中，我在两种情况下都使用了 cv=3，但不确定这样做是否正确)

2. 如果我取消注释最后一行，我会得到一个 AttributeError: 'PermutationImportance' ... 这是因为我适合使用 RFECV 吗？我所做的与这里的最后一个片段类似:https://eli5.readthedocs.io/en/latest/blackbox/permutation_importance.html

3. 作为一个不太重要的问题，当我在 eli5.sklearn.PermutationImportance 中设置 cv 时，这给了我一个警告:

.../lib/python3.8/site-packages/sklearn/utils/validation.py:68:FutureWarning:将 classifier=False 作为关键字参数传递。从 0.25 版开始，将这些作为位置参数传递将导致错误 warnings.warn("Pass {} as keyword args. From version 0.25 "

整个过程有点模糊。 有没有办法直接在 Sklearn 中完成？通过添加 feature_importances 属性？

Answer 1

由于目标是选择具有排列重要性和递归特征消除的最佳特征数量，我建议将 RFECV 和 PermutationImportance 与 CV 拆分器结合使用，例如 K 折叠。代码可能如下所示:

import warnings
from eli5 import show_weights
from eli5.sklearn import PermutationImportance
from sklearn.datasets import make_friedman1
from sklearn.feature_selection import RFECV
from sklearn.model_selection import KFold
from sklearn.svm import SVR


warnings.filterwarnings("ignore", category=FutureWarning)

X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)

splitter = KFold(n_splits=3) # 3 folds as in the example

estimator = SVR(kernel="linear")
selector = RFECV(
    PermutationImportance(estimator,  scoring='r2', n_iter=10, random_state=42, cv=splitter),
    cv=splitter,
    scoring='r2',
    step=1
)
selector = selector.fit(X, y)
selector.ranking_

show_weights(selector.estimator_)

关于您的问题:

1. PermutationImportance 将根据 KFold 提供的拆分，使用相同的策略计算特征重要性和 RFECV r2 得分。

2. 您在未拟合的 PermutationImportance 对象上调用了 show_weights。这就是你出错的原因。您应该改为使用 estimator_ 属性访问拟合对象。

3. 可以忽略。