Самый простой способ получить имена функций после запуска SelectKBest в Scikit Learn

Я хотел бы научиться контролировать.

До сих пор я знаю, что нужно следить за всеми функциями.

Однако я хотел бы также провести эксперимент с лучшими функциями K.

Я прочитал документацию и нашел, что в Scikit вы узнаете, что есть метод SelectKBest.

К сожалению, я не уверен, как создать новый фреймворк после поиска этих лучших функций:

Предположим, что я хотел бы провести эксперимент с 5 лучшими функциями:

from sklearn.feature_selection import SelectKBest, f_classif
select_k_best_classifier = SelectKBest(score_func=f_classif, k=5).fit_transform(features_dataframe, targeted_class)

Теперь, если бы я добавил следующую строку:

dataframe = pd.DataFrame(select_k_best_classifier)

Я получаю новый фрейм данных без имен функций (только индекс, начинающийся с 0 до 4).

Я должен заменить его на:

dataframe = pd.DataFrame(fit_transofrmed_features, columns=features_names)

Мой вопрос в том, как создать список features_names

Я знаю, что я должен использовать: select_k_best_classifier.get_support()

Возвращает массив логических значений.

Истинное значение в массиве представляет индекс в правом столбце.

Как я должен использовать этот логический массив с массивом всех имен функций, которые я могу получить с помощью метода:

feature_names = list(features_dataframe.columns.values)

Ответ 1

Вы можете сделать следующее:

mask = select_k_best_classifier.get_support() #list of booleans
new_features = [] # The list of your K best features

for bool, feature in zip(mask, feature_names):
    if bool:
        new_features.append(feature)

Затем измените имя своих функций:

dataframe = pd.DataFrame(fit_transofrmed_features, columns=new_features)

Ответ 2

Это сработало для меня и не требует петель.

# Create and fit selector
selector = SelectKBest(f_classif, k=5)
selector.fit(features_df, target)
# Get columns to keep
cols = selector.get_support(indices=True)
# Create new dataframe with only desired columns, or overwrite existing
features_df_new = features_df[cols]

Ответ 3

Для меня этот код работает отлично и более "pythonic":

mask = select_k_best_classifier.get_support()
new_features = features_dataframe.columns[mask]

Ответ 4

Следующий код поможет вам найти лучшие функции K с их F-баллами. Пусть, X - это фреймворк pandas, чьи столбцы - все функции, а y - список ярлыков классов.

import pandas as pd
from sklearn.feature_selection import SelectKBest, f_classif
#Suppose, we select 5 features with top 5 Fisher scores
selector = SelectKBest(f_classif, k = 5)
#New dataframe with the selected features for later use in the classifier. fit() method works too, if you want only the feature names and their corresponding scores
X_new = selector.fit_transform(X, y)
names = X.columns.values[selector.get_support()]
scores = selector.scores_[selector.get_support()]
names_scores = list(zip(names, scores))
ns_df = pd.DataFrame(data = names_scores, columns=['Feat_names', 'F_Scores'])
#Sort the dataframe for better visualization
ns_df_sorted = ns_df.sort_values(['F_Scores', 'Feat_names'], ascending = [False, True])
print(ns_df_sorted)