1回答
从特征集中选择集成特征
、、、
我有一个关于集合特征选择的问题。
我的数据集由1,000个样本和大约30000个特征组成，它们被分类为标签A或标签B。我想做的是挑选一些可以有效地对标签进行分类的特征。我使用了三种方法，单变量方法(皮尔逊系数)，套索回归和SVM-RFE(递归特征消除)，所以我从它们中得到了三个特征集。我使用python scikit-learn进行特性选择。然后我在考虑集成特征<
浏览 2提问于2015-12-11得票数 3
1回答
套索特征选择结果和最佳特征的选择
、、、、
现在我将套索应用于特征选择，并且特征回归系数的结果混合在(负/正/零)值之间。 我知道“任何具有非零回归系数的特征都是由套索算法选择的”。这是否意味着我可以使用所有正值和负值，并仅针对“值”对其进行排序，而忽略其正值或负值？ (只关心其大小，而不管其方向)！ 请回答我，如果你可以为我推荐任何有关这方面的简单文件，附加它或设置它的名称…
浏览 18提问于2021-05-04得票数 0
我使用的LogisticRegression与penaly=l1 (套索正则化，而不是脊正则化l2)。Lasso使优化函数通过将部分特征权重设置为零(而不是脊线正则化，即保留一些非零权重的特征)来进行隐式特征选择。是否有可能以某种方式从滑雪板中提取这种权重信息(特征选择)？
浏览 0提问于2016-09-24得票数 1
1回答
我用scikit和pandas的数据集做了套索回归。我想试着使OLS适合套索选择的特征。LassoCV(alphas = [1, 0.1, 0.001, 0.0005]).fit(X_train, y_train) 和 lassomodel.coef_ 我想要得到数据帧或numpy数组，其中包含套索系数不等于零的所有特征
浏览 10提问于2020-06-11得票数 1
回答已采纳
考虑到特征之间的相关性，为了选择最优的Lasso回归或序列正向选择特征(因为特征变换会转换无法解释的特征，所以不能对特征进行pca )。
我所理解的事情很少:套索非常快，顺序前进的选择也非常缓慢。但我不确定lasso在相关特征下如何表现，即我认为权重可能分布在相关的特征(假设必要的特征)之间，而且由于共享Lasso而权重较低，可能表明它们是不相关的特征</
浏览 0提问于2016-11-07得票数 3
1回答
正交匹配追踪回归-我用错了吗？
、、、、
我尝试这种方法作为正则回归，作为套索和弹性网的替代。我有40k个数据点和40个特征。套索选择5个特征，正交匹配追求只选择1个。
是什么导致了这一切？我是不是用错了omp？也许它并不是用来作为一种回归。
浏览 0提问于2016-03-29得票数 4
回答已采纳
2回答
如果您能让我知道在使用Lasso logistic回归(L1)进行特征选择之前是否应该省略高度相关的特性，我将非常感激。真的，我在Raschka先生的书“(Python机器学习”中读到
正则化是处理共线性(特征间高度相关)的一种非常有用的方法。然而，这个内核 (通过引用维基百科)指出，保持模型中的相关特性会对特征</
浏览 0提问于2018-08-20得票数 1
1回答
我的问题在scikit中的Lasso上是相当普遍的：或者，也许我在scikit中遗漏了一个明显的选项来选择起点？
浏览 0提问于2014-10-01得票数 5
1回答
我尝试了几种方法为R中的逻辑回归选择预测因子。我使用套索逻辑回归来消除不相关的特征，将它们的数量从60个减少到24个，然后在我的stepAIC逻辑回归中使用这24个变量，之后我进一步削减了1个变量，p值约为0.1。我还可以或应该使用哪些其他特征选择方法？我试图寻找方差相关系数分析，但我没有找到R的任何示例，我认为在这种情况下我不能使用相关热图，因为我的输出是分类的？
浏览 1提问于2021-03-11得票数 0
1回答
我在一个只有15个特征试图预测二进制结果的数据集上拟合逻辑拉索。我知道LASSO应该做特征选择和消除不重要的特征(系数= 0)，但在我的分析中，它已经选择了所有的特征，而没有消除其中的任何一个。我的问题是：
这是因为我的特征太少，或者特征之间没有关联(对于分类模型来说，低co-linearity?)Is是一件坏事还是好事？所选的特征系数小于0.1，我能把它们解释为对模型不重要或不重要吗？附注：我使用python中的s
浏览 2提问于2021-12-15得票数 0
1回答
交叉验证Lasso回归
、、、、
我目前正在使用套索进行特征选择。首先，我执行10倍交叉验证，以找到收缩参数最低的MSE。我现在尝试计算训练集的MSE，但是这个值不符合cv-图。下面的公式据说提供了套索的均方误差，但为什么两者的数值不相同？准确地说，我使用相同的数据集进行交叉验证和计算MSE。
cv$cvm[cv$lambda == cv$lambda.min]
浏览 5提问于2017-06-10得票数 0
回答已采纳
我在每个数据帧中有100列，我想选择(不同数据帧的)列的组合，我的模型的得分中的X_train比最小值。有没有一些库可以选择这个列(神经元网络，遗传算法，蚁群，...)？
我如何实现它？
浏览 11提问于2018-08-17得票数 0
1回答
我已经应用了套索和岭回归，找到了最优的λ，并重新构建了模型。但我不明白在那之后我该做什么。“。对于糖尿病数据集(上传到Moodle)，我们希望使用10个特征(X变量)来预测prog (Y)，这是基线后一年疾病进展的定量评估。变量prog是数据中的最后一列。在拟合岭回归和套索之前，不要忘记标准化所有的X变量，使它们在相同的尺度上。使用岭回归和套索预测程序。在两个回归中，使用交叉验证选择最优的λ。最优λ将对应于最小CV误差。对于最优的lambda
浏览 2提问于2021-11-26得票数 0
1回答
我试图利用随机森林的特征输入来对一个回归问题进行一些经验的特征选择，其中所有的特征都是分类的，而且很多特征都有很多级别(大约在100到1000之间)。我知道团体套索，找不到任何容易使用的科学知识-学习。
浏览 0提问于2017-04-05得票数 12
回答已采纳
2回答
群套索与特征选择
、、
我将分类变量转换为虚拟变量，因为我的观察结果比我想要执行的特性选择的变量少得多。因为我把分类变量转换成虚拟变量，所以我知道我不能使用简单的lasso，因为它会删除部分虚拟变量。我还发现了群套索，它做稀疏群套索，并支持逻辑回归。据我所知，稀疏套索是组合套索和套索的组合。我尝试将它与参数值一起使用到group_reg=0，或者l1_reg=0跳转，即它只用于群套索，但在这两种情况下，它都会不断地降低部分虚拟变量。
我的问题是。如何在pyt
浏览 0提问于2022-08-17得票数 1
我用套索来选择特征。我从网格搜索中选择了拉索参数。现在，我使用了最好的模型，我得到了适合训练数据集。因此，在70个变量中，我得到66个变量。我的疑问是，我是否应该在获得66个变量的情况下继续进行第一次迭代，或者在没有进一步的变量下降时，是否应该一次又一次地进行匹配？
浏览 0提问于2018-06-10得票数 0
1回答
我有一个包含330个样本和每个样本的27个特征的数据集，其中具有Logistic回归的二进制类问题。那么你有什么建议呢？我应该做所有可能的7个功能组合吗？我是否应该使用关联模型单独评估每个功能，然后只为最终模型选择最好的功能？我对分类和连续特征的处理也很好奇，我可以混合它们吗？如果我有一个分类的0-1和一个连续的0-100，我应该标准化吗？
浏览 0提问于2017-07-28得票数 0
我正在尝试构建一个套索回归预测模型。我使用scikit learn中的OneHotEncoder，使用one-hot of-K方案对我所有的分类整数特征进行了编码。你知道如何提取哪个分类整数特征对应哪个热编码数组吗？谢谢!
浏览 0提问于2015-11-28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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
