递归特征选择中的特征提取

问题描述

我将递归特征消除代码应用于特征选择：

rv=RandomForestClassifier(n_jobs=1,class_weight='balanced',max_depth=5,n_estimators=100)
rv.fit(X,y)
rve=RFECV(rv,min_features_to_select=1,cv = 3)
rve.fit(X,y)
rfe_score = ranking(list(map(float,rve.ranking_)),colnames,order=-1)
rfe_score = pd.DataFrame(list(rfe_score.items()),columns=['Features','score'])
rfe_score = rfe_score.sort_values("score",ascending = False)

然后我绘制了前30个最佳功能：

sns_rfe_plot = sns.catplot(x="score",y="Features",data = rfe_score[0:30],kind = "bar",height=5,aspect=1.9,palette='coolwarm')

从得分中，我发现其中四个功能得分最高，这意味着我必须保留它们作为我的分类部分。上面的所有代码都是正确的。但是，我的问题是，如何从此处删除不相关的功能，而仅保留相关的功能，以将其用于分类？ 请为此分享代码。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）