机器学习中经常使用的特征选择方式+python实现代码

本文主要是介绍机器学习中经常使用的特征选择方式+python实现代码，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

当数据与处理完成后，我们需要选择有意义的特征输入算法和模型进行训练，通常来说，从两个方面来选择特征： 

1、特征是否发散，如果某一个特征的方差为0，即这个属性不能被称之为特征，因为所有的样本在这个特征上并没有什么区别，这种特种需要被剔除；但是如果相反，所有样本在在这个特征上都不一样，比如公民的身份证号码，不能反映出样本的共性的特征的话，特征也必须被剔除。

2、特征与目标之间的相关性，如果特征与目标相关性很高，那么特征应该被优先选择。

2.1、相关性分析 一般都是使用一些距离度量公式来判别特征间的相似度的，用的比较多的主要是皮尔逊相关系数，使用相关性系数来表明特征和标签之间的相关性，如果相关性在0附近，则表示该特征与预测结果无关，但是有些特征表面上看上去与标签值可能无关，但是其组合值有可能和预测值有极大的相关性，所以这个一般只能作为一个参考。

2.2、过滤式选择 过滤式选择一般是借助于特征自身的一些统计值来过滤特征的，比如标准差，方差，设置一个对应的阈值，小于这个阈值的特征就会被过滤掉；最常使用的评价方法有方差选择法 、相关系数法 、卡方检验 、互信息法。

# 过滤式选择，使用的是泰坦尼克号的数据集
test_data = new_data.copy()
from sklearn.feature_selection import VarianceThreshold
train_data = test_data[0].drop(['Survived'],axis = 1).values
test_data = test_data[1].values
#设置属性方差阈值为0.1
selector = VarianceThreshold(0.1)
train_data_1 = selector.fit_transform(train_data)
test_data_1 = test_data.T[selector.get_support()]
test_data_1 = test_data_1.T
test_data_1.shape

2.3、包裹式选择 包裹式选择是需要借助于外部的学习器，一般这种学习器必须有coef_或者feature_importance_这些属性，像是线性模型，树模型都可以学习到特征的权重，或者是特征重要度，基于原始的完整的训练集进行训练，当学习完以后，去除那个权重最小的或者特征重要度最小值对应的特征，重新组织新的训练集，进行特征筛选，知道满足要求为止；

# 包裹式选择，这里使用线性支持向量机来做特征选择
from sklearn.feature_selection import RFE
from sklearn.svm import LinearSVC
x_train = train_data
y_train = new_data[0].Survived.values
estimator = LinearSVC()
selector = RFE(estimator = estimator,n_features_to_select = 18)
train_data_2 = selector.fit_transform(x_train,y_train)
test_data_2 = test_data.T[selector.support_]
test_data_2 = test_data_2.T
test_data_2.shape

2.4、嵌入式选择 和包裹式选择类似，也是需要借助于外部的学习器，但是和包裹式选择不同的是学习器在学习的过程中会不断的进行特征选择，直到满足要求为止。 如果特征的维度过高，一定程度上可以使用降维，比如主成分分析法。

# 嵌入式选择 这里使用随机森林模型
from sklearn.feature_selection import SelectFromModel
from sklearn.ensemble import RandomForestClassifier
estimator = RandomForestClassifier()
selector = SelectFromModel(estimator = estimator,threshold = 'median')
train_data_3 = selector.fit_transform(x_train,y_train)
test_data_3 = test_data.T[selector.get_support()]
test_data_3 = test_data_3.T
test_data_3.shape

这篇关于机器学习中经常使用的特征选择方式+python实现代码的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---