如何在 python 中的 sklearn 中获取 GridSearchCV 中的选定功能

Question

我使用recurive feature elimination with cross validation (rfecv) 作为GridSearchCV 的特征选择技术。

我的代码如下。

X = df[my_features_all]
y = df['gold_standard']

x_train, x_test, y_train, y_test = train_test_split(X, y, random_state=0)

k_fold = StratifiedKFold(n_splits=5, shuffle=True, random_state=0)

clf = RandomForestClassifier(random_state = 42, class_weight="balanced")

rfecv = RFECV(estimator=clf, step=1, cv=k_fold, scoring='roc_auc')

param_grid = {'estimator__n_estimators': [200, 500],
    'estimator__max_features': ['auto', 'sqrt', 'log2'],
    'estimator__max_depth' : [3,4,5]
    }

CV_rfc = GridSearchCV(estimator=rfecv, param_grid=param_grid, cv= k_fold, scoring = 'roc_auc', verbose=10, n_jobs = 5)
CV_rfc.fit(x_train, y_train)
print("Finished feature selection and parameter tuning")

现在，我想从上面的代码中获取optimal number of features 和selected features。

为此，我运行了以下代码。

#feature selection results
print("Optimal number of features : %d" % rfecv.n_features_)
features=list(X.columns[rfecv.support_])
print(features)

但是，我收到以下错误： AttributeError: 'RFECV' object has no attribute 'n_features_'。

还有其他方法可以获取这些详细信息吗？

如果需要，我很乐意提供更多详细信息。

Answer 1

您传递给GridSearchCV 的对象rfecv 不适合它。它首先被克隆，然后将这些克隆拟合到数据中，并针对所有不同的超参数组合进行评估。

因此，要访问最佳功能，您需要访问GridSearchCV 的best_estimator_ 属性：-

CV_rfc.fit(x_train, y_train)
print("Finished feature selection and parameter tuning")

print("Optimal number of features : %d" % rfecv.n_features_)
features=list(X.columns[CV_rfc.best_estimator_.support_])
print(features)