如何在拟合我的估计器之前使用 sklearn RFECV 选择最佳特征以传递给降维步骤

Question

在使用 KNN 拟合我的估计器之前，如何使用 sklearn RFECV 方法选择最佳特征以传递给 LinearDiscriminantAnalysis(n_components=2) 方法以进行降维。

pipeline = make_pipeline(Normalizer(), LinearDiscriminantAnalysis(n_components=2), KNeighborsClassifier(n_neighbors=10))

X = self.dataset
y = self.postures

min_features_to_select = 1  # Minimum number of features to consider
rfecv = RFECV(svc, step=1, cv=None, scoring='f1_weighted', min_features_to_select=min_features_to_select)

rfecv.fit(X, y)

print(rfecv.support_)
print(rfecv.ranking_)
print("Optimal number of features : %d" % rfecv.n_features_)

Plot number of features VS. cross-validation scores
plt.figure()
plt.xlabel("Number of features selected")
plt.ylabel("Cross validation score (nb of correct classifications)")
plt.plot(range(min_features_to_select,
len(rfecv.grid_scores_) + min_features_to_select),
rfecv.grid_scores_)
plt.show()

我从这段代码中得到以下错误。如果我在没有 LinearDiscriminantAnalysis() 步骤的情况下运行此代码，则它可以工作，但这是我处理的重要部分。

*** ValueError: when `importance_getter=='auto'`, the underlying estimator Pipeline should have `coef_` or `feature_importances_` attribute. Either pass a fitted estimator to feature selector or call fit before calling transform.

Answer 1

您的方法存在一个整体问题：KNeighborsClassifier 没有对特征重要性的内在度量。因此，它与 RFECV 不兼容，因为它的文档说明了分类器：

具有拟合方法的监督学习估计器，通过 coef_ 属性或 feature_importances_ 属性提供有关特征重要性的信息。

KNeighborsClassifier 肯定会失败。您肯定需要另一个分类器，例如 RandomForestClassifier 或 SVC。

如果您可以选择另一个分类器，您的流水线仍需要公开估算器在您的流水线中的特征重要性。为此，您可以在此处参考此answer，它为此定义了一个自定义管道：

class Mypipeline(Pipeline):
    @property
    def coef_(self):
        return self._final_estimator.coef_
    @property
    def feature_importances_(self):
        return self._final_estimator.feature_importances_

像这样定义你的管道：

pipeline = MyPipeline([
    ('normalizer', Normalizer()),
    ('ldm', LinearDiscriminantAnalysis(n_components=2)),
    ('rf', RandomForestClassifier())
])

它应该可以工作。