sklearn.feature_selection.RFECV参数
时间: 2024-01-09 19:05:00 浏览: 53
RFECV(Recursive Feature Elimination with Cross-Validation)是一种自动选择特征的方法。它使用递归方式选择特征,并使用交叉验证评估模型性能。在每个迭代中,模型会剔除一些特征,然后使用交叉验证评估模型的性能。最终,RFECV会返回最佳特征集。
RFECV是sklearn.feature_selection中的一个类,它有以下参数:
- estimator:估计器对象。必须实现fit和coef_或feature_importances_方法。
- step:每次迭代中要删除的特征数量。默认为1。
- min_features_to_select:选择的最小特征数量。
- cv:交叉验证生成器或可迭代的序列。默认是5折交叉验证。
- scoring:评估器使用的评估指标,默认为None。
- verbose:控制输出信息的详细程度。默认为0,不输出信息。
- n_jobs:并行计算的数量。默认为None,表示使用所有可用的CPU。
- importance_getter:如果估计器没有coef_或feature_importances_属性,则需要指定该参数。默认为None。
- step:每次迭代中要删除的特征数量。默认为1。
RFECV的主要方法是fit()方法,它用于拟合模型并选择最佳特征集。在拟合之后,RFECV提供了一些属性,包括:
- grid_scores_:每个特征集的交叉验证得分列表。
- n_features_:最佳特征数量。
- support_:每个特征的选择情况。如果选择,则为True,否则为False。
- ranking_:每个特征的排名,排名越低表示越重要。
RFECV还可以使用transform()方法来转换输入数据并仅使用选择的特征。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)