使用 RFECV 和排列重要性的正确方法 - Sklearn

Question

在Sklearn#15075 中提出了实现此功能的建议，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 是使用cv 来验证验证集的重要性，或者交叉验证应该只使用RFECV？ （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？我正在做的类似于这里的最后一个 sn-p：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，这会给我一个警告：

.../lib/python3.8/site-packages/sklearn/utils/validation.py:68: FutureWarning: Pass classifier=False as keyword args. From version 0.25 passing these as positional arguments will result in an error 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 中进行操作？ 例如通过添加feature_importances 属性？

Answer 1

由于目标是选择具有置换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KFold 之类的CV 拆分器结合使用。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 会根据KFold 提供的分割，以相同的策略计算特征重要性和RFECV r2 评分。

2. 您在不合适的 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。