我有一个数据集建立一个classificator:如何使用sklearn获取无用功能列表?
dataset = pd.read_csv(sys.argv[1], decimal=",",delimiter=";", encoding='cp1251')
X=dataset.ix[:, dataset.columns != 'class']
Y=dataset['class']
我想只选择重要的功能,所以我做的:
clf=svm.SVC(probability=True, gamma=0.017, C=5, coef0=0.00001, kernel='linear', class_weight='balanced')
model = SelectFromModel(clf, prefit=True)
X_train, X_test, Y_train, Y_test = cross_validation.train_test_split(X, Y, test_size=0.5, random_state=5)
y_pred=clf.fit(X_train, Y_train).predict(X_test)
X_new = model.transform(X)
所以X_new的形状3000x72而X有3000x130。我想获得X_new中没有的功能列表。我该怎么做?
X是一个带有标题的数据框,但X_new是一个列表,其中包含没有任何名称的特征值的列表,因此我无法像在熊猫中那样合并它。 谢谢你的帮助!
请问您能否提供一个例子,只需要几行'X_new'和'X'的外观以及它的输出是什么? –