如何使用来自离散和连续特征混合的互信息选择KBest？答案

【问题标题】：How do I SelectKBest using mutual information from a mixture of discrete and continuous features?如何使用来自离散和连续特征混合的互信息选择KBest？
【发布时间】：2017-09-24 09:25:26
【问题描述】：

我正在使用 scikit learn 来训练分类模型。我的训练数据中既有离散特征又有连续特征。我想使用最大互信息进行特征选择。如果我有向量 x 和标签 y 并且前三个特征值是离散的，我可以得到这样的 MMI 值：

mutual_info_classif(x, y, discrete_features=[0, 1, 2])

现在我想在管道中使用相同的互信息选择。我想做这样的事情

SelectKBest(score_func=mutual_info_classif).fit(x, y)

但无法将离散特征掩码传递给SelectKBest。是否有一些我忽略的语法可以做到这一点，还是我必须编写自己的得分函数包装器？

【问题讨论】：

标签： scikit-learn feature-selection

【解决方案1】：

很遗憾，我找不到 SelectKBest 的这个功能。但是我们可以轻松做的是将SelectKBest 扩展为我们的自定义类，以覆盖将被调用的fit() 方法。

这是 SelectKBest 的当前fit() 方法（取自source at github）

# No provision for extra parameters here
def fit(self, X, y):
    X, y = check_X_y(X, y, ['csr', 'csc'], multi_output=True)

    ....
    ....

    # Here only the X, y are passed to scoring function
    score_func_ret = self.score_func(X, y)

    ....        
    ....

    self.scores_ = np.asarray(self.scores_)

    return self

现在我们将使用更改后的fit() 定义我们的新类SelectKBestCustom。我已经从上述来源复制了所有内容，只更改了两行（对此进行了评论）：

from sklearn.utils import check_X_y

class SelectKBestCustom(SelectKBest):

    # Changed here
    def fit(self, X, y, discrete_features='auto'):
        X, y = check_X_y(X, y, ['csr', 'csc'], multi_output=True)

        if not callable(self.score_func):
            raise TypeError("The score function should be a callable, %s (%s) "
                        "was passed."
                        % (self.score_func, type(self.score_func)))

        self._check_params(X, y)

        # Changed here also
        score_func_ret = self.score_func(X, y, discrete_features)
        if isinstance(score_func_ret, (list, tuple)):
            self.scores_, self.pvalues_ = score_func_ret
            self.pvalues_ = np.asarray(self.pvalues_)
        else:
            self.scores_ = score_func_ret
            self.pvalues_ = None

        self.scores_ = np.asarray(self.scores_)
        return self

这可以简单地调用：

clf = SelectKBestCustom(mutual_info_classif,k=2)
clf.fit(X, y, discrete_features=[0, 1, 2])

编辑：上述解决方案在管道中也很有用，在调用fit() 时可以为discrete_features 参数分配不同的值。

另一种解决方案（不太可取）：尽管如此，如果您只是需要暂时使用SelectKBest 和mutual_info_classif（只是分析结果），我们还可以创建一个自定义函数，它可以在内部使用硬编码的discrete_features 调用mutual_info_classif。大致如下：

def mutual_info_classif_custom(X, y):
    # To change discrete_features, 
    # you need to redefine the function each time
    # Because once the func def is supplied to selectKBest, it cant be changed
    discrete_features = [0, 1, 2]

    return mutual_info_classif(X, y, discrete_features)

上述函数的用法：

selector = SelectKBest(mutual_info_classif_custom).fit(X, y)

【讨论】：

【解决方案2】：

你也可以像下面这样使用分部：

from functools import partial

discrete_mutual_info_classif = partial(mutual_info_classif, iscrete_features=[0, 1, 2])
SelectKBest(score_func=discrete_mutual_info_classif).fit(x, y)

【讨论】：