Question

我有一个评论集，其类别标签为正/负。我正在将Logistic回归应用于该评论数据集。首先，我要转换为单词包。此处 sorted_data ['文本'] 是评论，而 final_counts 是稀疏矩阵

count_vect = CountVectorizer() 
final_counts = count_vect.fit_transform(sorted_data['Text'].values)
standardized_data = StandardScaler(with_mean=False).fit_transform(final_counts)

将数据集分为训练和测试

X_1, X_test, y_1, y_test = cross_validation.train_test_split(final_counts, labels, test_size=0.3, random_state=0)
X_tr, X_cv, y_tr, y_cv = cross_validation.train_test_split(X_1, y_1, test_size=0.3)

我正在如下应用逻辑回归算法

optimal_lambda = 0.001000
log_reg_optimal = LogisticRegression(C=optimal_lambda)

# fitting the model
log_reg_optimal.fit(X_tr, y_tr)

# predict the response
pred = log_reg_optimal.predict(X_test)

# evaluate accuracy
acc = accuracy_score(y_test, pred) * 100
print('\nThe accuracy of the Logistic Regression for C = %f is %f%%' % (optimal_lambda, acc))

我的体重是

weights = log_reg_optimal.coef_ .   #<class 'numpy.ndarray'>

array([[-0.23729528, -0.16050616, -0.1382504 , ...,  0.27291847,
         0.35857267,  0.41756443]])
(1, 38178) #shape of weights

我想了解功能的重要性，即；高权重的前100个功能。谁能告诉我如何获得它们？

Answer 1

研究线性分类模型中给定特征/参数的“ 影响力”或“ 重要性”的一种方法是考虑幅值系数的strong>。

这是最基本的方法。 其他用于发现特征重要性或参数影响的技术可以提供更多的见解，例如使用 p值，自举得分，各种“判别指标”，等

在这里，您已经对数据进行了标准化，因此直接使用此功能：

weights = log_reg_optimal.coef_
abs_weights = np.abs(weights)

print(abs_weights)

如果您查看原始的weights，则负系数表示相应特征的较高值会将分类推向负类。

编辑1

显示如何获取功能名称的示例：

import numpy as np

#features names
names_of_variables =np.array(['a','b','c','d'])

#create random weights and get the magnitude
weights = np.random.rand(4)
abs_weights = np.abs(weights)

#get the sorting indices
sorted_index = np.argsort(abs_weights)[::-1]

#check if the sorting indices are correct
print(abs_weights[sorted_index])

#get the index of the top-2 features
top_2 = sorted_index[:2]

#get the names of the top 2 most important features
print(names_of_variables[top_2])

Answer 2

如果使用的是逻辑回归模型，则可以使用递归特征消除（RFE）方法来选择重要特征，并从预测变量列表中过滤出多余特征。 scikit-learn库中提供了此功能。您可以参考以下链接以获取详细信息：https://machinelearningmastery.com/feature-selection-machine-learning-python/

此方法根据重要性对功能进行排名，您可以选择进行进一步分析所需的前n个功能。

如何使用权重在逻辑回归中获得特征重要性？

2 个答案: