从分类器中检索训练功能名称列表

Question

一旦使用方法训练分类器，是否有办法检索用于分类器训练的特征名称列表fit？我希望在申请看不见的数据之前获得此信息。用于训练的数据是熊猫DataFrame，在我的情况下，分类器是RandomForestClassifier。

Answer 1

我有一个可行的解决方案，但不是很优雅。这是一本没有现有解决方案的旧文章，所以我想没有。

创建并拟合您的模型。例如

model = GradientBoostingRegressor(**params)
model.fit(X_train, y_train)

然后，您可以添加一个名为“ feature_names”的属性，因为您在训练时就知道了它们

model.feature_names = list(X_train.columns.values)

然后，我通常将模型放入二进制文件中以进行传递，但是您可以忽略它

joblib.dump(model, filename)
loaded_model = joblib.load(filename)

然后，您可以从模型中获取特征名称，以便在预测时使用它们

f_names = loaded_model.feature_names
loaded_model.predict(X_pred[f_names])

Answer 2

根据文档和以前的经验，无法获得至少在一次拆分时考虑的功能列表。

您是否担心不想使用所有特征进行预测，而只想使用实际用于训练的特征？在这种情况下，我建议列出feature_importances_后拟合并消除看起来不相关的特征。然后仅使用相关特征训练一个新模型，并使用这些特征进行预测。