迭代RFE分数sklearn答案

【问题标题】：Iterative RFE scores sklearn迭代RFE分数sklearn
【发布时间】：2017-02-25 12:14:41
【问题描述】：

我使用带有 ExtraTreeRegressor 的 RFE 作为估计器，以便在回归问题中进行 SupervisedFeatureSelection。

我得到了模型的排名和支持，通用代码如下：

rfe_vola = RFE(estimator=ExtraTreesRegressor(), n_features_to_select=1, step=1)
rfe_vola.fit(X_allfeatures, y_vol)
ranking_vola = rfe_vola.ranking_
print("ranking: ",ranking_vola)
print("support: ",rfe_vola.support_)

我想要的是更深入的信息，即 RFE 每次迭代的分数或特征评估。我注意到有一些像_fit这样的隐藏函数，我正在考虑尝试强制step_score参数与无参数不同...... 关键是我无法达到我想要的……（我是 python 新手……）我想在每次迭代时打印分数。有没有人有过这样的任务经验？ step_score 参数的正确值应该是多少？（我尝试过使用布尔值，但它不起作用）

感谢您的建议！！！

【问题讨论】：

标签： python scikit-learn iteration rfe

【解决方案1】：

这就是我一直在寻找的：

from sklearn.metrics import r2_score

rfe_vola = RFE(estimator=ExtraTreesRegressor(),n_features_to_select=None, step=1, verbose=2)    
r2_scorer = lambda est, features: r2_score(y_true=y_vol,y_pred=est.predict(X_allfeatures[:, features]))
rfe_vola._fit(X_allfeatures, y_vol, r2_scorer)
ranking_vola = rfe_vola.ranking_

【讨论】：