7

我试图了解如何在RFECVgrid_scores_中读取和ranking_值。这是文档中的主要示例：

from sklearn.datasets import make_friedman1
from sklearn.feature_selection import RFECV
from sklearn.svm import SVR
X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
estimator = SVR(kernel="linear")
selector = RFECV(estimator, step=1, cv=5)
selector = selector.fit(X, y)
selector.support_ 
array([ True,  True,  True,  True,  True,
        False, False, False, False, False], dtype=bool)

selector.ranking_
array([1, 1, 1, 1, 1, 6, 4, 3, 2, 5])

我应该如何阅读ranking_和grid_scores_？排名值越低越好吗？（或相反亦然？）。之所以问这个问题是因为我注意到排名值最高的特征通常在.grid_scores_

但是，如果某样东西有一个ranking = 1不应该的意思是它被评为组中最好的吗？. 这也是文档所说的：

“选定（即估计的最佳）特征被分配等级 1 ”

但是现在让我们使用一些真实数据来看看下面的例子：

> rfecv.grid_scores_[np.nonzero(rfecv.ranking_ == 1)[0]]
0.0

而排名值最高的特征具有最高的*分*。

> rfecv.grid_scores_[np.argmax(rfecv.ranking_ )]
0.997

请注意，在上面的示例中，ranking=1的特征得分最低

文档中的图：

在这个问题上，在文档的这个图y中，轴读取"number of misclassifications"，但它正在绘制grid_scores_使用'accuracy'(?) 作为评分函数的轴。y标签不应该读accuracy吗？（越高越好）而不是"number of misclassifications"（越低越好）

4

1 回答 1

8

您是正确的，低排名值表示一个好的特征，并且属性中的高交叉验证分数grid_scores_也很好，但是您误解了这些值的grid_scores_含义。来自 RFECV 文档

grid_scores_

array of shape [n_subsets_of_features]

The cross-validation scores such that grid_scores_[i] corresponds to the CV score of the i-th subset of features.

因此这些grid_scores_值不对应于特定的特征，它们是特征子集的交叉验证错误度量。在示例中，具有 5 个特征的子集结果是信息量最大的集合，因为第 5 个值grid_scores_（包含 5 个最高排名特征的 SVR 模型的 CV 值）是最大的。

您还应该注意，由于没有明确指定评分指标，因此使用的评分器是 SVR 的默认值，即 R^2，而不是准确度（仅对分类器有意义）。

于 2014-05-22T15:56:43.887 回答