特征选择 Scikit Learn答案

【问题标题】：Feature Selection Scikit Learn特征选择 Scikit Learn
【发布时间】：2018-02-24 18:20:56
【问题描述】：

在 scikit-learn 中运行特征选择后，我想公开相关变量，向我展示从方法中选择的变量，这怎么可能？命令X.shape只是显示变量的个数，我想看特征选择后的变量名称。

from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2

iris = load_iris()

X, y = iris.data, iris.target

X.shape

X_new = SelectKBest(chi2, k=2).fit_transform(X, y)

X_new.shape

【问题讨论】：

标签： python machine-learning scikit-learn feature-selection

【解决方案1】：

在特征选择之后，如果您只想选择那些被选为重要（“真”）的特征来构建新模型，您可以执行以下操作：

feats = X.T.tolist()

optimised_feats = []
for i,j in zip(X_new.support_,feats):
    if i == True:
        optimised_feats.append(j)
optimised_feats=np.array(optimised_feats).T

【讨论】：

【解决方案2】：

您可以获取名称，但您需要使用 pandas 并将 numpy 转换为数据帧。

示例：

from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
import pandas as pd

iris = load_iris()
X = pd.DataFrame(iris.data, columns=iris.feature_names)
y = pd.DataFrame(iris.target)

selector = SelectKBest(chi2, k=2)
selector.fit(X, y)

X_new = selector.transform(X)
X_new.shape

#text format
X.columns[selector.get_support(indices=True)]
#vector format
vector_names = list(X.columns[selector.get_support(indices=True)])

print(vector_names)

#2nd way 
X.columns[selector.get_support(indices=True)].tolist()

结果：

Index([u'petal length (cm)', u'petal width (cm)'], dtype='object')
['petal length (cm)', 'petal width (cm)']
['petal length (cm)', 'petal width (cm)']

【讨论】：

【解决方案3】：

from sklearn.datasets import load_iris

from sklearn.feature_selection import SelectKBest

from sklearn.feature_selection import chi2

iris = load_iris()

X, y = iris.data, iris.target

X.shape

skb = SelectKBest(chi2, k=2)
skb.fit(X, y)
X_new = skb.transform(X)

X_new.shape

print skb.get_support(indices=True)

这将为您提供所选功能的索引。

【讨论】：