1回答
“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
浏览 681提问于2020-09-03
1回答
是否有任何方法从Scikit中使用的模型中获取特性(属性)列表--学习(或整个使用过的培训数据表)？我正在使用一些预处理，如特征选择，我想知道的特征，选择和删除的特征。例如，我使用随机森林分类器和递归功能消除。
浏览 6提问于2015-08-27得票数 6
回答已采纳
1回答
我有上百个样本，我已经把它们分成四个不同的类(簇)。现在，我感兴趣的是找出将样本划分为不同类别的最佳基因集。
我想应用具有递归特征消除的随机森林，并检测基因(特征)。我的数据如下所示。上面的数据只是一个例子:我的原始数据在dataframe df中，第一列有100个样本，第二列有4个类，第3列到第1002列总共有1000个基因有表达值。我正在使用下面的代码，但是我发现有一个
浏览 65提问于2020-02-21得票数 1
回答已采纳
2回答
我在dataset上运行了随机森林(不平衡的二进制目标类)，并使用交叉验证来调优参数，并使用递归特征消除和交叉验证来获得特征子集。但是概率阈值呢？作为最终模型的重要部分，我如何得出阈值？如果这个阈值在CV的倍数中不稳定，下一步怎么办？
浏览 0提问于2017-01-18得票数 1
我试图在sklearn中使用递归特征消除对该特性进行排序。但是，在使用RFE时，我得到了这个错误。以下是错误和代码信息。mean accuracy on the given test data and labels %10.9f'% clf.score(DEAP_x_test, DEAP_y_test))
有人知道这个错误的原因吗有人认为，只有当内核被选择为线性时，递归特征消除(RFE)
浏览 0提问于2018-08-01得票数 0
回答已采纳
1回答
我正在构建一个模型来识别特征的子集，以对对象属于哪个组进行分类。具体来说，我有一个包含11个对象的数据集，其中5个属于A组，6个属于B组，每个对象都被表征为19,000个基因的突变状态，值是二进制、突变或无突变。我的目标是在这19,000个基因中识别一组基因，这样我就可以预测对象属于A组还是B组。例如，如果对象有基因A，B，C突变，D，E基因没有突变，那么它属于A组，如果不是，它属于B组。由于我有大量的特征(19,000个)，我将需要
浏览 4提问于2021-11-15得票数 0
我通过删除相关变量和反向消除来进行一些特征选择。然而，在所有这些都作为测试完成之后，我抛出了一个随机变量，然后训练了逻辑回归、随机森林和XGBoost。所有3个模型的随机特征的特征重要性都大于0。其次，所有型号都将其排在底部，但它不是最低的功能。这是另一轮特征选择-i.e的有效步骤吗？删除所有得分低于随
浏览 0提问于2020-06-25得票数 0
我已经应用随机森林的训练数据，其中有大约100个特征。现在，我想应用特征选择技术，以便在对数据应用随机森林模型之前减少特征的数量。如何使用varImp函数(从插入符号包)来选择重要的特性？我读到varImp本身使用一些分类方法来选择特性(我发现这非常违背直觉)。如何应用varImp来获取重要的特征子集，然后在应
浏览 0提问于2015-05-04得票数 0
回答已采纳
1回答
我正在处理一个大型数据集，所以希望删除无关的变量，并调整为每个分支的最佳m个变量。在R中，有两个方法可以帮助完成这两个任务: rfcv和tuneRF。我正在尝试将它们结合起来以优化参数。rfcv的工作原理大致如下：while (nvar > 1) {
remove我的问题是，这有多大的必要性(使用玩具数据集很难得到一个想法)，以及是否有其他方
浏览 2提问于2012-08-14得票数 3
据我所知，随机森林是树木套袋的程式化版本。我们选择随机数据点和随机特征来构造随机森林。但是，如果我们只使用普通版本的套袋，只随机选择数据点，那么我们就有了树，它们已经训练了更多的特征，不像样式化版本中的随机森林。由于学习具有更多的特征，每个
浏览 0提问于2017-07-10得票数 4
回答已采纳
2回答
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？如何在dataframe中逐个删除列？
浏览 12提问于2019-05-02得票数 1
回答已采纳
2回答
在应用特征选择之前和之后，我尝试对不同机器学习算法的性能进行实验。利用sklearn提供的函数(SelectFromModel)，对SVM、随机森林、KNN、线性回归以及决策树作为特征选择方法进行了测试。
除决策树算法外，所有算法在应用特征选择后都有了明显的改进。这是否意味着决策树需要大量的特性才能生成一个好的模型？
浏览 0提问于2020-04-19得票数 3
正如标题中所提到的，我正在使用sklearn中的SelectFromModel为我的随机森林和梯度提升分类模型选择特征。names of the selected featuresselected_feat 随机森林和梯度提升模型返回的布尔数组完全不同
浏览 33提问于2021-05-10得票数 0
我想更多地了解不同的模型(特别是NN和RF，但还有其他模型)如何考虑表格数据中的特性之间的交互？例如，在训练时，模型是否能得出这样的结论：“虽然特性1可能与响应不直接相关，但当特征1较低时，功能2在预测响应方面非常有效”。因此，经过训练的模型将利用这两个特征之间的相互作用，并对它们进行相应的加权。在本例中，当特征</em
浏览 0提问于2020-05-30得票数 2
我正在为covid19症状(生病后)开发一个分类模型，我不理解统计分析的重要性(其中一些部分)。https://www.sciencedirect.com/science/article/pii/S0010482522000762#bib27
它会给我什么样的洞察力此外，他们还进行了统计检验，如X-平方，以寻找有统计学意义的特征。假设
浏览 0提问于2022-05-01得票数 1
回答已采纳
1回答
我是克尼姆的初学者，我需要预测属性，我有一些问题：2-我可以随机选择属性，然后比较准确性吗？
3-我可以使用名义属性还是只使用数字属性？
浏览 0提问于2019-06-01得票数 0
1回答
我正在努力解决我面临的问题:我有一个不同产品(汽车)的数据集，这些产品(汽车)在给定的时间内有特定的工作订单。我从历史数据中知道，这项工作总共造成了多少时间。现在我想预测另一辆车(例如第3辆)。📷我的想法是将基于行的数据集转换为基于二进制值的列，例如Brake: 0/1，屏幕0/1。但是我会有很多输入，因为可能的输入数是100-200..
浏览 0提问于2023-01-27得票数 -1
1回答
我想选择最好的特征子集，它区分了两个类，这些类被输入到我构建的统计框架中，在这个框架中，特性是不独立的。通过对机器学习中的特征选择方法的研究，发现机器学习的特征选择方法可分为三大类:过滤器、包装器和嵌入式方法。滤波方法可以是单变量的，也可以是多元的。使用过滤器(多元)或包装方法确实有意义，因为
浏览 2提问于2016-11-04得票数 0
回答已采纳
1回答
我目前正在研究随机森林分类器。随机森林分类器的参数之一是“准则”，它有两个选项:基尼系数或熵。基尼系数越低越好，熵值越高越好。默认情况下，gini是随机森林分类器的标准。sklearn提供了一个名为feature_importances_的属性，我们可以在其中获取所提供的属性/特性的值。通过使用，我们可以选择一些特征，并使用"threshold
浏览 1提问于2021-02-05得票数 1
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
