问题标签 [rfe]

我正在使用bayesglm逻辑回归问题。这是一个包含 150 行和 2000 个变量的数据集。我正在尝试进行变量选择，通常会查看glmnet. caret::rfe但是没有方法bayesglm。

无论如何要手动定义一个方法rfe吗？

我对图书馆的rfe功能有疑问。caret在插入符号主页链接上，他们给出了以下 RFE 算法： 算法

在这个例子中，我使用了rfe带有 3 折交叉验证的函数和带有线性支持向量机和 5 折交叉验证的train函数。

• 从上面的算法中，我假设该算法可以使用 2 个嵌套的交叉验证：
  1. rfe将数据（150 个样本）分成 3 折
  2. 该train函数将在具有 5 倍交叉验证的训练集（100 个样本）上运行以调整模型参数 - 以及随后的 RFE。

让我困惑的是，当我查看rfe函数的结果时：

由此看来，来自 5 倍 cv 的训练集的大小是 120 个样本，而我预计的大小是 80。

因此，如果有人能阐明rfe和train如何协同工作，那就太好了。

干杯

我想用 AUC 作为性能指标，但 RFE 只支持 RMSE、Rsquared、Accuracy、Kappa。如何使用自定义指标，例如 auc？

我想在 SciKitLearn 中使用决策树和 kNN 绘制“使用交叉验证的递归特征消除”，如此处所述

我想在我已经使用的分类器中实现这一点，以同时输出两个结果。但是，它一直给我一个错误。

这是我为 DT 修改的代码：

错误从第 56 行开始，更具体地说： rfecv = RFECV(estimator=DecisionTreeClassifier, step1, cv=10, SyntaxError: non-keyword arg after keyword arg

谁能提供有关如何更正我的代码以至少使用 DT 实现此功能的见解？

以下来自ogrisel的响应似乎解决了该论点的问题，但引发了以下错误：

似乎 RFE 正在读取相反的输入文件格式（因为我的输入包含 16 个特征和 267 个目标）。这样，如何才能正确地将暗淡提供到代码中？

谢谢你。

我正在使用 weka，并且必须对我的数据集执行属性选择。一位前同事使用 R 的 caret 包中的 rfe 做过一次。在 weka 中与 rfe 等效的功能是什么？我不是统计学家，所以也许这个问题听起来很奇怪，但我感谢任何帮助。

我一直在尝试使用 caret 包应用递归特征选择。我需要的是 ref 使用 AUC 作为性能指标。谷歌搜索一个月后，我无法让该过程正常工作。这是我使用的代码：

执行此脚本时，我得到以下结果：

该过程始终使用准确性作为性能指标。出现的另一个问题是，当我尝试从使用以下方法获得的模型中获得预测时：

我收到以下消息

事实证明，从模型中得到一些预测是不可能的。

以下是通过获取的信息sessionInfo()

我很难理解当前文档中给定的RFECV 示例。在情节中它被写成“错误分类的 nb”，所以我希望它是“越低越好”。但是在示例图中，最好的被选为最高的交叉验证分数。所以我自然希望它与准确性有关（无论如何，得分表示代码中的准确性）。但是，它是如何变得高于 1 的呢？

我对如何解释这些结果有点困惑。我将不胜感激这方面的任何帮助。

谢谢！

我想向 Oracle 提交 Java8 LocalDate API 更改请求 (RFE)。不幸的是，我能找到的唯一一种形式（http://bugreport.java.com/bugreport/）没有提供我需要正确指定我请求的字段（类别、子类别）。

是否有任何其他方式可以向 Oracle 提交正确和彻底的 Java 变更请求？

我正在尝试在 scikit-learn 中使用递归特征消除 (RFE) 功能，但不断收到错误消息ValueError: coef_ is only available when using a linear kernel。我正在尝试使用 rbf 内核为支持向量分类器 (SVC) 执行特征选择。网站上的这个例子执行得很好：

但是，简单地将内核类型从线性更改为 rbf，如下所示，会产生错误：

这似乎是一个错误，但如果有人能发现我做错了什么，那就太好了。另外，我正在使用 scikit-learn 版本 0.14.1 运行 python 2.7.6。

谢谢您的帮助！

我正在尝试rfe将包中的功能caret与 PLS-DA 模型结合使用。

为了练习，我使用 iris 数据运行了以下示例。

一切正常。

但是，如果我尝试在我生成的数据上复制它，我会收到以下错误。我不知道为什么！如果你有任何想法，我真的很想听听他们的意见。