我是一个初学者，现在我正在sklearn下编写一个特征选择算法，我写了一个简单的程序来尝试它。目标是删除数据集中的某些列，但结果是错误的。以下是代码和错误消息。import numpy as npdata = load_iris()print
浏览 20提问于2020-07-23得票数 0
我仍然不完全理解max_features中的sklearn分类器。为解释留出了一点空间。为了解决这个问题，假设我使用的是基于树的分类器，例如决策树、随机森林、梯度提升等等。例如，如果我要设置max_features=10，这是否意味着每个估计器将从我的数据集中随机获取10个特征来构建整个树，还是意味着每次一个节点被分割时，每个估计器随机地采样10个特征并选择一个最大程度降低熵的<e
浏览 5提问于2020-12-08得票数 0
回答已采纳
3回答
PCA分析后的特征/变量重要性
、、、、
我已经对我的原始数据集执行了PCA分析，并且从由PCA转换的压缩数据集中，我还选择了我想要保留的PC数量(它们几乎解释了94%的方差)。现在我正在努力识别原始特征，这些特征在简化的数据集中很重要。在降维后，我如何找出哪些特征是重要的，哪些特征不在剩余的主成分中？下面是我的代码
浏览 3提问于2018-06-11得票数 55
回答已采纳
我遇到了，它涉及到测试数据集的face补全。在这里，max_features的32值被传递给ExtraTreesRegressor()函数。我了解到决策树是构建的，它从输入数据集中选择随机特征。对于上面链接中的示例，图像被用作训练和测试数据集。描述了各种类型的图像功能。现在我不能理解sklearn.ensemble.ExtraTreeRegressor从作为输入提供的</e
浏览 0提问于2013-06-11得票数 1
回答已采纳
我需要从数据集中为回归任务选择一些特征。但是数值来自不同的范围。from sklearn.datasets import load_bostonX_new = SelectKBest(f_regression, k=2).fit_transform(X, y)
为了提高回归模型<
浏览 0提问于2018-10-16得票数 5
1回答
sklearn包含不同特征选择方法的实现(filter/wrapper/embedded)。 所有这些方法都是为静态系统设计的。 sklearn是否支持动态数据上的特征选择？(随时间变化的数据) 在动态数据中，我们需要提高特征选择的效率，才能更有效。 我在IEEE (用于特征</em
浏览 18提问于2020-04-27得票数 0
我使用sklearn中的mutual_info_classif和selectPercentile在数据集中进行特征选择。我发现我可以将random_state设置为0，以确保每次选择的功能都是相同的，如下代码所示：mi = mutual_info_classif(X_train,
浏览 112提问于2020-02-22得票数 4
回答已采纳
我正试图设计一个决策树的决策面，训练在我的数据集中的特征对在谷歌竞争。示例代码：from sklearn.datasets import load_irisfrom sklearn.inspection import DecisionBoundaryDisplay
i
浏览 36提问于2022-11-30得票数 0
1回答
]
) 我得到了下面的错误:所有中间步骤都应该是转换器并实现拟合和转换，或者是字符串'passthrough‘'SMOTE(random_state=0)’(键入)不是 我认为smote必须使用后期特征选择过程
浏览 33提问于2021-01-12得票数 1
回答已采纳
2回答
我有一个数据帧，其中包含price_range(target_attribute)和其他功能列。我有一个问题，要求我找到可能的特征的最小子集(最小数量的特征列)，使得模型的得分超过0.4 现在，我的想法是逐个删除特征列，看看模型的得分何时最接近0.4。是那么回事吗？
浏览 12提问于2019-05-02得票数 1
回答已采纳
我想在sklearn管道中使用以下几种特性选择方法：from sklearn.feature_selection重点是第二个特征选择步骤获得第一个特征选择步骤的输出(不是原始的X_train)。因此，当我在第二个特征选择步骤中使用像get_support()或get_feature_n
浏览 10提问于2022-07-25得票数 3
回答已采纳
2回答
当在Python语言中对数据集执行主成分分析时，explained_variance_ratio_将向我们显示数据集中每个特征的不同方差。pcaObj = PCA(n_co
浏览 0提问于2020-05-03得票数 0
例如，我正在处理一个问题，在这个问题中，我正在编码一组来自dataframe的数据集：from sklearn.model_selectionoh.fit(X_train)oh.transform(X_test.loc[:,:'b'])
X中
浏览 0提问于2020-04-08得票数 1
我无法识别“分类/离散”的特征。我想要这样做，然后计算出分类特征的每个值的频率。同样地，我想最终发现并使用所有的数字特征。
在这个来自sklearn的数据集中，哪些特征是分类的/离散的？我知道可以使用dtype，但这不包括分类或不包括，因为数字->分类是可能的。from sklearn.datasets
浏览 18提问于2022-10-24得票数 0
在分类问题中，我们关心的是标签在训练和验证集中的分布。在sklearn中，train_test_split中有stratify选项，以确保训练和验证集中的标签分布相似。在一个回归问题中，假设我们想要根据一系列特征来预测房价。我们需要关心房价在训练集和验证集上的分布吗？
如果是，我们如何在sklearn中实现这一点
浏览 2提问于2019-03-03得票数 1
我想使用RandomizedLogisticRegression为我的数据集选择变量。但问题是，我的数据集中的一个特征是性别。所以它的值是'F‘或'M’，而不是数值。in randomized_Logistic_regression randomized_logistic.fit(X,y)
File "C:\Python27\lib\site-packages\sklearn
浏览 1提问于2015-04-01得票数 0
我使用以下代码将数据集特征转换为整数： car_df = pd.DataFrame({'Integer Feature': [0,1,2,3,4,5], dtree = DecisionTreeClassifier()
dtree.fit(car_df, y) 然而，我得到了一个错误：ValueErro
浏览 222提问于2021-03-29得票数 0
我有一个具有大量文本特性的数据集，其中目标变量有三个类。
我用tf-以色列国防军编码了这些特征。这就形成了一个具有大量特性的数据集。我尝试使用lasso logistic回归(在sklearn中，LogisticRegression(罚值=‘l1’))进行分类，它自动地将一些特征系数设置为0，从而为我执行某种特征选择。LogisticRegression()的sklearn实现使用‘one- of
浏览 0提问于2018-06-21得票数 4
我正在使用Scikit-learn RFECV为使用交叉验证的逻辑回归选择最重要的特征。假设X是n，x个特征数据帧，y表示响应变量：from sklearn.grid_search import GridSearchCVpenalty_options)
grid = GridSearchCV(pipe, param_grid, cv=skf, scoring=&#
浏览 5提问于2015-06-26得票数 21
回答已采纳
对于一些背景知识，我一直致力于医疗保险索赔的二进制分类，并正在实现sklearn的FeatureHasher来向量化分类功能，其中许多特性在基数上特别高，具有高计数的独特因素级别，而sklearn的FeatureHasher我将对每日提取的索赔数据进行散列，这些数据具有相同的哈希维度，因此，在对模型进行培训的特征数量与每日提取的特征数量之间没有差
浏览 0提问于2020-04-27得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
