特征选择资源及总结

chenny_yin

于 2018-10-16 15:40:20 发布

阅读量1k

点赞数 3

分类专栏： python CHD

本文链接：https://blog.youkuaiyun.com/qq_26938759/article/details/83089577

版权

本文探讨了如何基于SVM进行特征重要性排序，并解决了在使用SVM时遇到的问题。作者分享了从随机森林切换到SVM进行特征排序的代码，并提出了一种通过调整阈值来寻找最佳特征的方法。此外，还介绍了特征选择的多种策略，包括RFE和SelectFromModel，提供了相关资源链接以供进一步学习和实验。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://stackoverflow.com/questions/49345578/how-to-decide-threshold-value-in-selectfrommodel-for-selecting-features
思考：
1）参照该博客中基于随机森林的特征重要性排序并打印代码，修改成基于SVM的特征重要性排序并打印。
文中先基于随机森林分类器训练模型，再将训练完的模型中的特征进行排序并打印出来
原代码如下：

feat_labels = data.columns[1:]
clf = RandomForestClassifier(n_estimators=100, random_state=0)

# Train the classifier
clf.fit(X_train, y_train)

importances = clf.feature_importances_
indices = np.argsort(importances)[::-1]

for f in range(X_train.shape[1]):
    print("%2d) %-*s %f" % (f + 1, 30, feat_labels[indices[f]], importances[indices[f]]))

结果：
在这里插入图片描述