我正在使用sci-kit learn(版本0.11,Python版本2.7.3)从svmlight格式的二进制分类数据集中选择前K个特征。sci-kit学习:使用SelectKBest时识别相应的功能ID值
我想确定所选功能的功能ID值。我认为这很简单 - 很可能! (通过要素id,我指的是特征值描述here之前数)
下面的代码说明正是我如何一直在努力做到这一点:
from sklearn.datasets import load_svmlight_file
from sklearn.feature_selection import SelectKBest
svmlight_format_train_file = 'contrived_svmlight_train_file.txt' #I present the contents of this file below
X_train_data, Y_train_data = load_svmlight_file(svmlight_format_train_file)
featureSelector = SelectKBest(score_func=chi2,k=2)
featureSelector.fit(X_train_data,Y_train_data)
assumed_to_be_the_feature_ids_of_the_top_k_features = list(featureSelector.get_support(indices=True)) #indices=False just gives me a list of True,False etc...
print assumed_to_be_the_feature_ids_of_the_top_k_features #this gives: [0, 2]
显然,assumed_to_be_the_feature_ids_of_the_top_k_features
不能对应特征ID值 - 因为(见下文)我的输入文件中的特征ID值从1开始。
现在,我怀疑assumed_to_be_the_feature_ids_of_the_top_k_features
实际上可能对应于特征ID值的列表索引按增值顺序排序。在我的情况下,索引0将对应于feature-id=1
等 - 使得代码告诉我已选择feature-id=1
和feature-id=3
。但是,如果有人能够确认或否认这一点,我将不胜感激。
在此先感谢。
1 1:1.000000 2:1.000000 4:1.000000 6:1.000000#mA
1 1:1.000000 2:1.000000#mB
0 5:1.000000#mC
1 1:1.000000 2:1.000000#mD
0 3:1.000000 4:1.000000#mE
0 3:1.000000#mF
0 2:1.000000 4:1.000000 5:1.000000 6:1.000000#mG
0 2:1.000000#mH
附注:
contrived_svmlight_train_file.txt内容对于没有正确格式化的道歉(第一次在这里);我希望这是清晰可读的!
太棒了;所以我的假设已被证实。为了简单起见,我认为我只需将1添加到assume_to_be_the_feature_ids_of_the_top_k_features中的每个值。感谢这样快速的回应。 (顺便说一句,我读过你之前提到的文档,但恐怕我误解了它的含义。) – user1735732
@ user1735732:我承认这不是很清楚。我向dev版本推送了一个补丁,所以下一个版本将会有更好的文档。谢谢! –