如何从sklearn TruncatedSVD对象获取要素名称？

Question

我有以下代码

import pandas as pd
import numpy as np
from sklearn.decomposition import TruncatedSVD
df = df = pd.DataFrame(np.random.randn(1000, 25), index=dates, columns=list('ABCDEFGHIJKLMOPQRSTUVWXYZ'))

def reduce(dim):
    svd = sklearn.decomposition.TruncatedSVD(n_components=dim, n_iter=7, random_state=42)
    return svd.fit(df)

fitted = reduce(5)

我如何从中获取列名fitted？

Answer 1

fitted 列名称将为SVD尺寸。

每个尺寸都是输入要素的线性组合。要了解特定维度的含义，请看一看svd.components_数组-它包含系数矩阵，输入特征乘以该矩阵。

您的原始示例稍有变化：

import pandas as pd
import numpy as np
from sklearn.decomposition import TruncatedSVD

feature_names = list('ABCDEF')
df = pd.DataFrame(
    np.random.randn(1000, len(feature_names)), 
    columns=feature_names
)

def reduce(dim):
    svd = TruncatedSVD(n_components=dim, n_iter=7, random_state=42)
    return svd.fit(df)

svd = reduce(3)

然后，您可以执行类似的操作以获取更具可读性的SVD维度名称-让我们为第0个维度进行计算：

" ".join([
    "%+0.3f*%s" % (coef, feat) 
    for coef, feat in zip(svd.components_[0], feature_names)
])

它显示+0.170*A -0.564*B -0.118*C +0.367*D +0.528*E +0.475*F-在这种情况下，这是可以用于第0个SVD维度的“功能名称”（当然，系数取决于数据，因此功能名称也取决于数据）。

如果您有许多输入维度，则可以在可检查性上交换一些“精度”，例如，排序系数，并仅使用其中的几个。可以在https://github.com/TeamHG-Memex/eli5/pull/208中找到更详细的示例（免责声明：我是eli5维护者之一； pull请求不是我本人）。

Answer 2

继续米哈伊尔的帖子。

假设你已经有了feature_namesfromvectorizer.get_feature_names()之后你已经打电话了svd.fit(X)

现在您还可以使用以下代码提取排序的最佳特征名称：

best_fearures = [feature_names[i] for i in svd.components_[0].argsort()[::-1]]

上面的代码，尝试返回降序排序的参数svd.components_[0]并从feature_names（所有特征）中找到相对索引并构造best_features数组。然后您可以看到例如 10 个最佳功能：

In[21]: best_features[:10]

Out[21]: 
['manag',
 'develop',
 'busi',
 'solut',
 'initi',
 'enterprise',
 'project',
 'program',
 'process',
 'plan']