Question

标题说明了一切，我检查了scikit个文档，这些文档对于此特定任务非常差，我检查了几个在线资源，包括this帖子。

然而，他们似乎错了。对于功能选择，我们可以执行以下操作：

clf=LinearSVC(penalty="l1",dual=False,random_state=0)
X_reduced = clf.fit_transform(X_full,y_full)

现在，如果我们检查X_reduced的形状，很明显选择了多少个特征。现在的问题是，哪些？

coef_的{{1}}属性非常重要，建议对其进行迭代，LinearSVC与零不同的要素是选中的。好吧，这是错误的，但你可以非常接近实际结果。

在检查coef_之后，我注意到我有310个选定的功能，这是肯定的，我的意思是，我正在检查结果矩阵，现在，如果我执行X_reduced的事情，414个功能从总共2000个中选出，所以它接近真实的东西。

根据scikit LinearSVC docs，coef_涉及mean(X)，但我被卡住了，不知道现在该做什么。

更新：这是link，其中包含重现错误的数据和代码，只需几KB

Answer 1

我认为LinearSVC()会返回非零系数的要素。您能否上传可以重现您看到的不一致的示例数据文件和代码脚本（例如，通过dropbox sharelink）？

from sklearn.datasets import make_classification
from sklearn.datasets import load_svmlight_file
from sklearn.svm import LinearSVC
import numpy as np

X, y = load_svmlight_file("/home/Jian/Downloads/errorScikit/weirdData")

transformer = LinearSVC(penalty='l1', dual=False, random_state=0)
transformer.fit(X, y)
# set threshold eps
X_reduced = transformer.transform(X, threshold=np.finfo(np.float).eps)

print(str(X_reduced.shape[1]) + " is NOW equal to " + str((transformer.coef_ != 0).sum()))

414 is NOW equal to 414


# as suggested by user3914041, if you want both sides are 310
transformer.transform(X).shape

Out[46]: (62, 310)

(abs(transformer.coef_) > 1e-5).sum()

Out[47]: 310

如何在scikit中减少LinearSVC后获取所选功能

1 个答案: