1回答
我在选择重要功能时遇到了问题。数据集的特征是分类的和数值的。目标变量为False或True。数据集的特征大约是100个，所以我需要删除一些与目标变量无关的特征。除了随机森林特征重要性之外，还可以使用哪种方法？我使用的是Python。在R中，我可以使用Boruta包来选择重要的特性。但我不知道如何在Python中做到这一点。
浏览 46提问于2019-03-22得票数 1
回答已采纳
1回答
我使用了tensorflow 0.11的python3.5。在内部，DNNClassifier似乎执行特征选择(或特征提取)。有什么方法可以用tensorflow来进行特征选择吗？或者，是否有一些功能来提取特征的权重？(有一个函数DNNClassifier.weights_，但它似乎被废弃了)
浏览 4提问于2016-11-08得票数 0
回答已采纳
在python中实现的adaboost算法是如何为每个特性分配特性重要性的？我正在使用它进行特征选择，我的模型在基于feature_importance_值的特征选择方面表现得更好。
浏览 4提问于2016-04-16得票数 4
回答已采纳
1回答
连续Y的随机特征选择算法
、、、
目前，我一直在努力寻找一些很好的算法来进行特征选择。使用相关性或其他非随意类型的方法将不是进行特征选择的正确方法。我在python或库中搜索使用临时效果进行特性选择的算法。因果关系导向型特征选择
浏览 0提问于2021-11-08得票数 1
1回答
回归与分类的特征选择
、、、、
因此，在应用机器学习算法之前，我希望对我的训练数据进行特征选择。我将使用相同的数据集在许多不同的ML算法上运行，以决定什么是最好的，所以如果我只需要进行一次特征选择并将新的数据集传递给不同的算法，那么效率就会更高。注意:我正在Python3中编码，我将使用BorutaPy进行特性选择。在执行特征选择之前，我需要知道我使用的是什么算法吗？或者，我可以只执行我的特征选择，然后使用任何算法，即特征</e
浏览 1提问于2018-02-28得票数 1
回答已采纳
1回答
我正在搜索一种特征选择算法，该算法选择以下特征：所有样本的差异都很大基于随机森林分类器特征重要性结果的特征选择然而，我不知道哪一个可能是最好的，或是否有更好的候选人为此目的。如果该算法是用Python实现
浏览 0提问于2016-06-28得票数 1
回答已采纳
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选择方法，因为特征的大小太大了。在这种
浏览 2提问于2015-12-11得票数 3
1回答
我正在使用使用python.Now的多项Logistic回归来执行特征选择(在一个有1,00000行和32个特性的数据集上)，为了为多类目标变量(1，2，3，4，5，6，7)建立模型，选择特征的最有效方法是什么
浏览 1提问于2017-07-04得票数 0
4回答
有几种特性选择/变量选择方法(例如，请参见Guyon和Elisseeff，2003年，年；刘等人，2010年年)：包装方法(例如，前向搜索、爬山搜索)，以及比较不同的特征选择算法和为给定的问题/数据集选择最佳方法的合适方法是什么？另一个问题是，是否有任何度量
浏览 0提问于2016-12-06得票数 15
1回答
我想在我所拥有的52个特性列表上执行功能选择。但是，我的数据集中没有类标签列。那么，如何选择不依赖于类标签的特性。
例如:选择，根据特征与类标签之间的关系选择特征。
浏览 1提问于2020-03-16得票数 2
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
我在python中运行顺序特性选择，该模型由10个预测器组成，准确率为80%。但是，我无法获得特征名，相反，特性id作为名称重复。此外，我无法理解特征id，因为它们显示的数字大于数据中的特征数。如何像在我的数据集中一样获得特征名并理解特性id？
浏览 3提问于2022-01-12得票数 0
1回答
我正在使用scikit-learn库中的Random Forest解决python中的一个文本分类问题。我想尝试不同的特征选择方法，例如信息增益(IG)或双正态分离(BNS)，如本中所述。似乎scikit中唯一可用的特征选择方法(使用CountVectorizer类)是基于文档频率的。其他库中有其他方法吗？
浏览 1提问于2014-09-10得票数 0
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。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选择产生不利影响，但它不会影响预测。
浏览 0提问于2018-08-20得票数 1
1回答
我正在从事一个涉及回归的Python项目，以预测一些值。输入是一个由70特性组成的数据集，它是、分类和序数变量的混合。因变量是连续。我有一些问题在下面提到。1]在Tensorflow中，是否有一种使用前向选择技术进行特征选择的方法？
(2)是否有alternatives进行特征选择？
浏览 0提问于2018-04-15得票数 3
回答已采纳
我开始寻找在机器学习中进行特征选择的方法。通过快速查看这个帖子，我假设只有在有监督的学习问题上才能进行特性选择：尽管如此，我还是要问:是否有方法可以在没有已知变量的情况下进行特征选择，从而解决分类/回归问题？
浏览 0提问于2018-03-27得票数 7
回答已采纳
在我的项目中，我使用了RandomForestRegressor (来自python的伟大的Scikt学习库)，它给了我很好的结果，但我认为我可以做得更好。当我给“fit(.)”赋予特征时函数，是否更好地将分类特征作为二进制特征？| 0 | 1 |因为它作为一棵树工作，也许第二种选择更好，或者对于第一种选择，它也是一样的吗？
浏览 3提问于2015-07-12得票数 1
回答已采纳
2回答
我正在做一个与书面文本相关的分类任务，我想知道为了提高分类结果，执行某种“特征选择”过程有多重要。如果a混合了相关和不相关的特征，我想我得到的分类结果会很差。我应该在分类前执行“特征选择程序”吗？Scikits有使用基于树的RFE对特征进行排序以选择最重要的特征并使用SVM (非线性)或LDAC执行实际分类是否有意义？或者我是否应该使用相同的分类器来实现某种包装器方法来对特征进行排序(尝试使用不同的特征组进行分类将非
浏览 0提问于2012-03-12得票数 3
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
