从scikit管道中提取选定的要素名称

Question

# Load dataset
iris = datasets.load_iris()
X, y = iris.data, iris.target

rf_feature_imp = RandomForestClassifier(100)
feat_selection = SelectFromModel(rf_feature_imp, threshold=0.5)

clf = RandomForestClassifier(5000)

model = Pipeline([
          ('fs', feat_selection), 
          ('clf', clf), 
        ])

 params = {
    'fs__threshold': [0.5, 0.3, 0.7],
    'fs__estimator__max_features': ['auto', 'sqrt', 'log2'],
    'clf__max_features': ['auto', 'sqrt', 'log2'],
 }

 gs = GridSearchCV(model, params, ...)
 gs.fit(X,y)

上述代码基于确保scikit learn中随机森林分类中的操作顺序

由于我使用的是SelectFromModel,我想打印所选功能的名称(在SelectFromModel管道中),但不确定如何提取它们.

Answer 1

一种方法是transform()在要素名称上调用要素选择器,但必须以示例列表的形式显示要素名称.

首先,您必须从中找到的最佳估算器中获取特征选择阶段GridSearchCV.

fs = gs.best_estimator_.named_steps['fs']

从feature_names创建示例列表:

feature_names_example = [iris.feature_names]

使用特征选择器转换此示例.

selected_features = fs.transform(feature_names_example)

print selected_features[0] # Select the one example
# ['sepal length (cm)' 'petal length (cm)' 'petal width (cm)']

Answer 2

SelectFromModel有一个get_support()方法可以返回所选特征的布尔掩码。所以你可以这样做（除了@David Maust 描述的预备步骤）：

feature_names = np.array(iris.feature_names)
selected_features = feature_names[fs.get_support()]