在RFECV中准确度的值完全相同
在RFECV中，准确度的值完全相同意味着在递归特征消除交叉验证（Recursive Feature Elimination with Cross-Validation, RFECV）过程中，特征子集的大小变化对模型的准确度没有影响。RFECV是一种特征选择算法，它通过反复构建模型并剔除最不重要的特征来确定最佳的特征子集。
准确度的值完全相同可能有以下几种原因：
- 特征子集的大小对模型的准确度没有明显的影响：RFECV通过反复剔除最不重要的特征来减小特征子集的大小，如果剔除任意数量的特征都不会显著影响模型的准确度，那么准确度的值就会保持不变。
- 数据集本身特征相关性较低：如果数据集中的特征之间相关性较低，即使剔除一些特征，也不会对模型的准确度产生明显影响。
- 模型选择不敏感：某些模型对于特征子集的大小变化不敏感，即使剔除一些特征，也不会对模型的准确度产生明显影响。
根据这个问答内容，我推荐腾讯云的机器学习平台PAI（https://cloud.tencent.com/product/pai）作为云计算中进行机器学习相关任务的解决方案。PAI提供了丰富的机器学习算法和工具，可以方便地进行特征选择和模型训练，以优化准确度和性能。同时，PAI还提供了自动化的特征工程和模型调优功能，帮助用户快速构建高性能的机器学习模型。
相关·内容
1回答
在RFECV中准确度的值完全相同
、、、、
我在试着用RFECV拟合逻辑回归。这是我的代码： log_reg = LogisticRegression(solver = "lbfgs", rfecv = RFECV(estimator = log_reg,
Model = rfecv</
浏览 34提问于2021-05-07得票数 1
我使用了递归特征消除和交叉验证(rfecv)，以便为我拥有的几个特征(m =154)找到最佳准确度分数。rfecv = RFECV(estimator=logreg, step=1, cv=StratifiedKFold(2),rfecv.fit(X, y)
排名(rfecv.ranking_)和相关分数(rfecv.grid_scores_)让我感到困惑。正如你可以从前13个特征
浏览 24提问于2017-02-28得票数 3
回答已采纳
1回答
我使用递归特征消除和交叉验证(rfecv)来找到特征的最佳准确度分数。正如我所看到的，_grid_scoresis是使用第i个特征子集训练时估计器产生的分数。有没有办法获得_grid_score中每个分数的子集特征索引？我可以使用get_support (5个特征子集)获得最高分数的所选特征的索引。subset_features，得分 5，0.976251 4，0.9762072 3，0.97322212 如何获取4个或3个特征子集<
浏览 58提问于2021-09-09得票数 1
我试图理解如何在grid_scores_和ranking_值中读取。越低排名值越好吗？(反之亦然？)问这个问题的原因是因为我注意到排名最高的值的特性通常在grid_scores_中得分最高。_ == 1)[0]]而具有最高等级的特性值具有最高的*评分*。> rfecv.grid_scores_[np.argmax(rfecv.ranking_ )]
浏览 1提问于2013-08-14得票数 7
回答已采纳
1回答
我正在寻求一些关于RFECV中与selector.grid_scores_相关的数字的澄清。=0)estimator_RFECV = estimator_RFECV
浏览 8提问于2020-09-07得票数 0
1回答
我从中稍微修改了教程from sklearn.model_selection import StratifiedKFold
from sklearn.feature_selection import <em
浏览 5提问于2016-12-15得票数 2
1回答
probability=True)
def select_RFECVelimination """ main
浏览 0提问于2014-06-20得票数 0
回答已采纳
1回答
受此启发：
在这种情况下，我想知道，所选的10个特性在#Feature= 10时给出了峰值。这是用来获取该情节的代码：from sklearn.model_selection import KFold= RFECV(estimator=model_Linear_SVM, step=1, cv=kfold,scoring='
浏览 0提问于2018-05-17得票数 9
回答已采纳
大约有50个变量，其中35个是绝对变量，每个变量要么是二进制变量，要么是<5个可能值。我试着在预处理之前得到15个输入变量。，，RFE是否仍然适用于一次热编码，并且它是否准确？，如何在所选特性对应的一次热编码之前得到哪些列？例如，如果它告诉我保留第20列，我如何知道哪一列对应于预处理前的列
浏览 6提问于2020-07-19得票数 0
我有一个有几个特性的数据集。我希望使用Pearson系数找到与类属性相关的顶级'n‘属性/特征。我怎么能这么做。
下面是我的数据集结构: class_attr col1 col2 col3 ..。
浏览 3提问于2017-11-08得票数 0
我正在使用sklearn中的RFECV模块来找到最佳的功能数量，以在2折上产生最高的交叉验证。我使用岭回归作为我的估计器。rfecv = RFECV(estimator=ridge,step=1, cv=KFold(n_splits=2))我在我的数据集中有5个功能，我已经使用标准缩放器进行了标准化我将在我的数据上运行R
浏览 7提问于2016-12-26得票数 1
1回答
递归特征消去中估计量的超参数估计
、、、、
通过交叉验证，使用RFECV模块实现递归特征消除。RFE涉及到反复训练完整特征集上的估计器，然后删除信息最少的特征，直到收敛到最优的特征数。为了通过估值器获得最优的性能，我想为估计器为每个特性选择最佳的超参数，(为清晰而编辑)。估计量是线性支持向量机，所以我只研究C参数。
最初，我的代码如下所示。但是，这只是在开始时对C进行了一次网格搜索，然后在每次迭代中使用了相同的C。print "su
浏览 1提问于2015-04-09得票数 5
回答已采纳
因此，我发现StandardScaler()可以使我的RFECV在我的GridSearchCV中，每一个都在嵌套的3倍交叉验证上运行得更快。没有StandardScaler()，我的代码运行了超过2天，所以我取消了，并决定将StandardScaler注入到进程中。但现在它已经跑了4个多小时了，我不知道我是否做得对。如果我错了，或者我的管道不正确，请纠正我，因此，为什么它还在运行很长一段时间。
我有8,000行由RFECV</
浏览 0提问于2019-01-07得票数 0
我有近1000个地点的一些空间数据，每个地点大约有5000个特征。我正在做邻域分析，以确定哪些特征在本地社区中占主导地位。
我读到，使用递归的特征消除，只有强的特征可以保持，弱的特征可以消除。对于某些特定的位置，我得到了numpy形状的邻域数据X ( 14,5000)，其中5000是特征，14个是本地邻居。我还得到了14个长度的目标向量，有3个类标签。我试图执行以下操作，以删除功能，但得到了值错误。我是ML社区<em
浏览 0提问于2021-04-01得票数 0
在训练和预测分类任务的进度之前，通常将训练数据和测试数据分开缩放。我想将上述过程嵌入到运行CV测试的RFECV中，因此我尝试了以下操作：scaling_svm = Pipeline([('scaler', preprocessing.StandardScaler()),(
浏览 2提问于2015-04-16得票数 5
在用KNN对估计量进行拟合之前，如何使用sklearn方法选择传递给LinearDiscriminantAnalysis(n_components=2)方法的最优特征进行降维。= RFECV(svc, step=1, cv=None, scoring='f1_weighted', min_features_to_select=min_features_to_select)rfecv.fit(X, y)
print(rfecv.ranking
浏览 14提问于2021-05-19得票数 1
回答已采纳
2回答
data = load_iris() Y = data.target clf = RandomForestClassifier()
浏览 1提问于2018-07-19得票数 2
回答已采纳
1回答
我在python中编写了一段代码，使用scikit-learn模块执行支持向量机分类，并进行递归的特征消除和交叉验证：rfecv = RFECV(estimator=svc, step=1, cv=StratifiedKFold(y_train, 2), scoring='f1') rfecv.fit(X_train, y_train)
浏览 2提问于2015-03-24得票数 0
回答已采纳
1回答
我想写一段代码，它可以在几个处理器和预处理器上进行网格搜索，也可以在不同的功能组合上进行搜索。我通过在gridsearchCV中使用RFECV实现了这一点。然而，这需要很长时间才能运行。我做了一个网格搜索，然后我把它放在RFECV里面。现在，我想要查看并打印出在最佳模型中实际选择了哪些特征。我尝试了这个网站上的几个解决方案，但都没有奏效。如何访问所选功能？我得到了这个错误和其他类似的错误：AttributeError: 'RFECV<
浏览 2提问于2017-12-15得票数 1
1回答
科学学习中的目标转换与特征选择
、、、、
我正在使用RFECV的功能选择，在科学工具包-学习。我想比较一下简单线性模型(X,y)和日志转换模型(使用X, log(y))的结果。Simple Model：RFECV和cross_val_score提供了相同的结果(我们需要将所有折叠交叉验证的平均分数与所有功能的RFECV评分进行比较：0.66 = 0.66，没有问题，结果是可靠的)
日志模型：问题：似乎RFECV没有提供一种转换y的<
浏览 4提问于2019-09-29得票数 5
回答已采纳
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
实时音视频活动推荐
腾讯云开发者
