scikit-learn - 找到重要的分类特征

Question

我正在尝试使用逻辑回归模型对一些 EEG 数据进行分类（这似乎对我的数据进行了最佳分类）。我拥有的数据来自多通道 EEG 设置，所以本质上我有一个 63 x 116 x 50 的矩阵（即通道 x 时间点 x 试验次数（有两种试验类型 50），我已将其重新调整为长向量，每个试验一个。

我想做的是在分类之后查看哪些特征在对试验进行分类时最有用。我该怎么做？是否可以测试这些功能的重要性？例如，分类主要由 N 个特征驱动，这些是特征 x 到 z。因此，例如，我可以说通道 10 在时间点 90-95 对分类很重要或很重要。

那么这是可能的还是我问错了问题？

非常感谢任何评论或论文参考。

Answer 1

Scikit-learn 包含不少特征排序方法，其中：

• 单变量特征选择（http://scikit-learn.org/stable/auto_examples/feature_selection/plot_feature_selection.html）
• 递归特征消除（http://scikit-learn.org/stable/auto_examples/feature_selection/plot_rfe_digits.html）
• 随机逻辑回归/稳定性选择（http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.RandomizedLogisticRegression.html）

（见http://scikit-learn.org/stable/modules/feature_selection.html更多）

其中，我绝对推荐给 Randomized Logistic Regression 一个机会。根据我的经验，它始终优于其他方法并且非常稳定。关于此的论文：http: //arxiv.org/pdf/0809.2932v2.pdf

编辑： 我写了一系列关于不同特征选择方法及其优缺点的博客文章，这可能有助于更详细地回答这个问题：

• http://blog.datadive.net/selecting-good-features-part-i-univariate-selection/
• http://blog.datadive.net/selecting-good-features-part-ii-linear-models-and-regularization/
• http://blog.datadive.net/selecting-good-features-part-iii-random-forests/
• http://blog.datadive.net/selecting-good-features-part-iv-stability-selection-rfe-and-everything-side-by-side/