iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 10
0

這裡我們使用 mlxtend.feature_selection 中的 SequentialFeatureSelector
可參考這裡


首先介紹一下 SequentialFeatureSelector 後簡稱 SFS

SFS(模型 : 如 LinearRegression(), SVM(),...
  k_features : 最後選擇的特徵數,
  forward : True --> 向前; False --> 向後
  floating : 這我還不太清楚做啥的~XD
  verbose : 回報訓練狀態,0 : 不報,1 : 簡易報告,2 : 詳細報告
  scoring : 模型表現評斷方法,可用 : 'r2', 'accuracy', 'f1_score',...)


如果我們創造數據
有100個特徵(假設彼此獨立),並創造其係數
最後的結果 y 是這 100 個特徵的線性組合加減 0.05 內的誤差

# feature number
n = 100

# create coef
create_coef = np.array([np.round((2*random.random()-1), 4) if random.random() > 0.1 else 0.0 for i in range(n)])

# create [x0,...,x9]
x_list = []
for i in range(n):
    mu = 5*random.random() # mean範圍 : 0 ~ 5
    sigma = 0.3*random.random() # sigma範圍 : 0 ~ 0.3
    x_list.append(list(np.random.normal(mu, sigma, 1000))) # 創造 1000 筆資料

X_df = pd.DataFrame(x_list).T
X_df.columns = ['x_'+str(i) for i in range(n)]

# create y
y_list = [np.round(np.array(x).dot(create_coef)*(0.1*random.random()+0.95), 4) for x in zip(*x_list)]

使用模型為線性回歸
並使用向前特徵選擇選取10個特徵

lr = LinearRegression()

# Forward Feature Selection
forward = SFS(lr, 
              k_features = 10, 
              forward = True, 
              floating = False, 
              verbose = 2,
              scoring = 'r2',
              cv=0)

forward = forward.fit(X_df, y_list)

最後利用 forward.k_feature_idx_, forward.k_feature_names_ 看看被挑出的特徵
把之前創造的係數與特徵對應好
並看看所挑出的特徵在我們原先創造的係數裡的大小
因為係數的絕對值大小表示了它對 y 的影響性
由此看我們所挑出的特徵的影響性

forward.k_feature_idx_ = (16, 25, 32, 42, 53, 54, 69, 71, 81, 94)
forward.k_feature_names_ = ('x_16', 'x_25', 'x_32', 'x_42', 'x_53', 'x_54', 'x_69', 'x_71', 'x_81', 'x_94')
k_feature_rank = [28, 21, 30, 2, 12, 6, 0, 19, 4, 10]

可以看到所挑出的特徵的確是在創造數據時佔了很重的影響性


import numpy as np
from sklearn.linear_model import LinearRegression
import random
from mlxtend.feature_selection import SequentialFeatureSelector as SFS
import pandas as pd

# feature number
n = 100

# create coef
create_coef = np.array([np.round((2*random.random()-1), 4) if random.random() > 0.1 else 0.0 for i in range(n)])

# create [x0,...,x9]
x_list = []
for i in range(n):
    mu = 5*random.random() # mean範圍 : 0 ~ 5
    sigma = 0.3*random.random() # sigma範圍 : 0 ~ 0.3
    x_list.append(list(np.random.normal(mu, sigma, 1000))) # 創造 100 筆資料

X_df = pd.DataFrame(x_list).T
X_df.columns = ['x_'+str(i) for i in range(n)]

# create y
y_list = [np.round(np.array(x).dot(create_coef)*(0.1*random.random()+0.95), 4) for x in zip(*x_list)]

lr = LinearRegression()

# Forward Feature Selection
forward = SFS(lr, 
              k_features = 10, 
              forward = True, 
              floating = False, 
              verbose = 1,
              scoring = 'r2',
              cv=0)

forward = forward.fit(X_df, y_list)

print('forward.k_feature_idx_ = ', forward.k_feature_idx_)
print('forward.k_feature_names_ = ', forward.k_feature_names_)

rank_df = pd.DataFrame([np.arange(n), create_coef]).T
rank_df.columns = ['x_i', 'coef_i']
rank_df['abs_coef_i'] = abs(rank_df['coef_i'])
rank_df = rank_df.sort_values(by = ['abs_coef_i'], ascending = False).reset_index(drop = True)

k_feature_rank = [list(rank_df['x_i']).index(x) for x in forward.k_feature_idx_]
print('k_feature_rank = ', k_feature_rank)

上一篇
[Day 8]向前、向後與逐步
下一篇
[Day 10]何時使用向前或向後
系列文
主管可能很機車,但數學不會,數學不會就是不會:盡學渣之力說數學原理30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言