机器学习-R-特征选择

特征选择是实用机器学习的重要一步,一般数据集都带有太多的特征用于模型构建,如何找出有用特征是值得关注的内容。

1. Feature selection: All-relevant selection with the Boruta package

特征选择两种方法用于分析:

(1)最少最优特征选择(minimal-optimal feature selection)识别少量特征集合(理想状况最少)给出尽可能优的分类结果;

(2)所有相关特征选择(all-relevant feature selection)识别所有与分类有关的所有特征。

本文使用Boruta包,它使用随机森林分类算法,测量每个特征的重要行(z score)。

2. 使用caret包

使用递归特征消除法,rfe参数

x,预测变量的矩阵或数据框

y,输出结果向量(数值型或因子型)

sizes,用于测试的特定子集大小的整型向量

rfeControl,用于指定预测模型和方法的一系列选项

一些列函数可以用于rfeControl$functions,包括:线性回归(lmFuncs),随机森林(rfFuncs),朴素贝叶斯(nbFuncs),bagged trees(treebagFuncs)和可以用于caret的train函数的函数(caretFuncs)。

1)移除冗余特征

移除高度关联的特征。

Caret R包提供findCorrelation函数,分析特征的关联矩阵,移除冗余特征

[python] view plain copy

  1. set.seed(7)
  2. # load the library
  3. library(mlbench)
  4. library(caret)
  5. # load the data
  6. data(PimaIndiansDiabetes)
  7. #P calculate correlation matrix
  8. correlationMatrix <- cor(PimaIndiansDiabetes[,1:8])
  9. # summarize the correlation matrix
  10. print(correlationMatrix)
  11. # find attributes that are highly corrected (ideally >0.75)
  12. highlyCorrelated <- findCorrelation(correlationMatrix, cutoff=0.5)
  13. # print indexes of highly correlated attributes
  14. print(highlyCorrelated)

2) 根据重要性进行特征排序

特征重要性可以通过构建模型获取。一些模型,诸如决策树,内建有特征重要性的获取机制。另一些模型,每个特征重要性利用ROC曲线分析获取。

下例加载Pima Indians Diabetes数据集,构建一个Learning Vector Quantization(LVQ)模型。varImp用于获取特征重要性。从图中可以看出glucose, mass和age是前三个最重要的特征,insulin是最不重要的特征。

  1. # ensure results are repeatable
  2. set.seed(7)
  3. # load the library
  4. library(mlbench)
  5. library(caret)
  6. # load the dataset
  7. data(PimaIndiansDiabetes)
  8. # prepare training scheme
  9. control <- trainControl(method="repeatedcv", number=10, repeats=3)
  10. # train the model
  11. model <- train(diabetes~., data=PimaIndiansDiabetes, method="lvq", preProcess="scale", trControl=control)
  12. # estimate variable importance
  13. importance <- varImp(model, scale=FALSE)
  14. # summarize importance
  15. print(importance)
  16. # plot importance
  17. plot(importance)

3)特征选择

自动特征选择用于构建不同子集的许多模型,识别哪些特征有助于构建准确模型,哪些特征没什么帮助。

特征选择的一个流行的自动方法称为 递归特征消除(Recursive Feature Elimination)或RFE。

下例在Pima Indians Diabetes数据集上提供RFE方法例子。随机森林算法用于每一轮迭代中评估模型的方法。该算法用于探索所有可能的特征子集。从图中可以看出当使用4个特征时即可获取与最高性能相差无几的结果。

  1. # ensure the results are repeatable
  2. set.seed(7)
  3. # load the library
  4. library(mlbench)
  5. library(caret)
  6. # load the data
  7. data(PimaIndiansDiabetes)
  8. # define the control using a random forest selection function
  9. control <- rfeControl(functions=rfFuncs, method="cv", number=10)
  10. # run the RFE algorithm
  11. results <- rfe(PimaIndiansDiabetes[,1:8], PimaIndiansDiabetes[,9], sizes=c(1:8), rfeControl=control)
  12. # summarize the results
  13. print(results)
  14. # list the chosen features
  15. predictors(results)
  16. # plot the results
  17. plot(results, type=c("g", "o"))

原文:http://blog.csdn.net/python_learn/article/details/45008073

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2016-02-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏贾志刚-OpenCV学堂

详解对象检测网络性能评价指标mAP计算

上次我写了一篇关于mAP计算的文章,发布之后得到很多网友的反馈,有感于此,觉得有必要重写一篇,目的有两个,一个是告诉大家你们的意见我收到了,另外一个是细化了我对...

572
来自专栏机器学习算法全栈工程师

章神的私房菜之数据预处理

作者:章华燕 编辑:徐松 Scikit-learn实战之数据预处理 ——Data Preprocessing ---- 各位看官,我们又见面了, 今天我们继续学...

28210
来自专栏贾志刚-OpenCV学堂

OpenCV中KMeans算法介绍与应用

一:KMeans算法介绍 ? KMeans算法MacQueen在1967年提出的,是最简单与最常见数据分类方法之一并且最为一种常见数据分析技术在机器学习、数据挖...

32010
来自专栏人工智能

具有张量流的混合密度网络

不久之前,Google开源了TensorFlow,这是一个旨在简化图表计算的库。 主要的应用程序是针对深度学习,将神经网络以图形形式显示。 我花了几天的时间阅读...

4416
来自专栏MixLab科技+设计实验室

深度学习生成舞蹈影片02之MDN代码练习

本文接上一期,补充一些MDN的代码练习。本教程开发环境是python+jupyter,引用了一个用keras写的mdn包,目标是拟合反正弦函数曲线:

883
来自专栏CreateAMind

keras中文-快速开始Sequential模型

模型需要知道输入数据的shape,因此,Sequential的第一层需要接受一个关于输入数据shape的参数,后面的各个层则可以自动的推导出中间数据的shape...

1104
来自专栏Petrichor的专栏

opencv: 获取 图像属性 (源码)

  说明了读取的图片是一张 大小 为 (424, 600, 3) ,数据类型 为 uint8 ,像素总数 为 763200 的图片。

691
来自专栏AI研习社

放弃深度学习?我承认是因为线性代数

深度学习:作为机器学习的一个子域,关注用于模仿大脑功能和结构的算法:人工神经网络。

642
来自专栏算法channel

BAT面试题5:关于LR

接下来,每天一道BAT面试题陪伴你,只要你坚持下来,日积月累,你会在不知不觉中就步入机器学习的大门,并且越走越远。同时,还能助你顺利拿到OFFER. 你应该学会...

932
来自专栏AI科技评论

干货 | 攻击AI模型之DeepFool算法

AI 科技评论按:本文为“兜哥带你学安全”系列之三,首发于AI科技评论,未经许可不得转载。

1213

扫码关注云+社区