SelectFromModel#
- class sklearn.feature_selection.SelectFromModel(estimator, *, threshold=None, prefit=False, norm_order=1, max_features=None, importance_getter='auto')[source]#
基于重要性权重选择特征的元变换器。
0.17版本新增。
更多信息请参考用户指南。
- 参数：
- estimator对象
构建转换器的基础估计器。这可以是已拟合的估计器（如果
prefit设置为True），也可以是非拟合的估计器。估计器在拟合后应具有feature_importances_或coef_属性。否则，应使用importance_getter参数。- thresholdstr 或 float，默认值=None
用于特征选择的阈值。绝对重要性值大于或等于阈值的特征将保留，其余特征将被丢弃。如果为“median”（中位数）（或“mean”（平均数）），则
threshold值为特征重要性的中位数（或平均数）。也可以使用缩放因子（例如，“1.25*mean”）。如果为None，并且估计器的参数penalty设置为l1（显式或隐式，例如Lasso），则使用的阈值为1e-5。否则，默认使用“mean”。- prefitbool，默认值=False
是否期望将预拟合模型直接传递到构造函数中。如果
True，则estimator必须是已拟合的估计器。如果False，则分别通过调用fit和partial_fit来拟合和更新estimator。- norm_order非零整数、inf、-inf，默认值=1
当估计器的
coef_属性为二维时，用于过滤低于threshold的系数向量的范数阶数。- max_featuresint、callable，默认值=None
要选择的最大特征数。
如果为整数，则指定允许的最大特征数。
如果为可调用对象，则指定如何通过使用
max_features(X)的输出计算允许的最大特征数。如果为
None，则保留所有特征。
要仅基于
max_features进行选择，请设置threshold=-np.inf。0.20版本中新增。
1.1版本中的更改：
max_features接受可调用对象。- importance_getterstr 或 callable，默认值='auto'
如果为'auto'，则通过估计器的
coef_属性或feature_importances_属性使用特征重要性。还接受一个字符串，该字符串指定用于提取特征重要性的属性名称/路径（使用
attrgetter实现）。例如，在TransformedTargetRegressor的情况下，给出regressor_.coef_；在Pipeline（其最后一步命名为clf）的情况下，给出named_steps.clf.feature_importances_。如果为
callable，则覆盖默认的特征重要性获取器。可调用对象将与拟合的估计器一起传递，它应该返回每个特征的重要性。0.24版本中新增。
- 属性：
- estimator_估计器
构建转换器的基础估计器。此属性仅在调用
fit后才存在。如果
prefit=True，则它是estimator的深拷贝。如果
prefit=False，则它是estimator的克隆，并根据传递给fit或partial_fit的数据进行拟合。
n_features_in_int在
fit期间看到的特征数量。- max_features_int
在fit期间计算的最大特征数。仅当
max_features不为None时才定义。如果
max_features是int，则max_features_ = max_features。如果
max_features是可调用对象，则max_features_ = max_features(X)。
1.1版本中新增。
- feature_names_in_形状为(
n_features_in_,) 的ndarray 在fit期间看到的特征名称。仅当
X具有全是字符串的特征名称时才定义。1.0版本中新增。
threshold_float用于特征选择的阈值。
另请参阅
RFE基于重要性权重的递归特征消除。
RFECV具有内置交叉验证最佳特征数量选择的递归特征消除。
SequentialFeatureSelector基于顺序交叉验证的特征选择。不依赖于重要性权重。
备注
如果底层估计器也允许，则允许输入中存在NaN/Inf。
示例
>>> from sklearn.feature_selection import SelectFromModel >>> from sklearn.linear_model import LogisticRegression >>> X = [[ 0.87, -1.34, 0.31 ], ... [-2.79, -0.02, -0.85 ], ... [-1.34, -0.48, -2.55 ], ... [ 1.92, 1.48, 0.65 ]] >>> y = [0, 1, 0, 1] >>> selector = SelectFromModel(estimator=LogisticRegression()).fit(X, y) >>> selector.estimator_.coef_ array([[-0.3252..., 0.8345..., 0.4976...]]) >>> selector.threshold_ np.float64(0.55249...) >>> selector.get_support() array([False, True, False]) >>> selector.transform(X) array([[-1.34], [-0.02], [-0.48], [ 1.48]])
使用可调用对象创建一个选择器，该选择器最多可以使用一半的输入特征。
>>> def half_callable(X): ... return round(len(X[0]) / 2) >>> half_selector = SelectFromModel(estimator=LogisticRegression(), ... max_features=half_callable) >>> _ = half_selector.fit(X, y) >>> half_selector.max_features_ 2
- fit(X, y=None, **fit_params)[source]#
拟合SelectFromModel元转换器。
- 参数：
- X形状为 (n_samples, n_features) 的类数组
训练输入样本。
- y形状为 (n_samples,) 的类数组，默认值=None
目标值（在分类中对应于类的整数，在回归中为实数）。
- **fit_paramsdict
如果
enable_metadata_routing=False（默认）：参数直接传递到子估计器的fit方法。如果prefit=True，则忽略这些参数。如果
enable_metadata_routing=True：参数安全地路由到子估计器的fit方法。如果prefit=True，则忽略这些参数。
1.4 版本中的变更： 更多详情请参见 元数据路由用户指南。
- 返回:
- self对象
已拟合的估计器。
- fit_transform(X, y=None, **fit_params)[source]#
拟合数据，然后转换它。
使用可选参数
fit_params将转换器拟合到X和y，并返回X的转换版本。- 参数：
- X形状为 (n_samples, n_features) 的类数组
输入样本。
- y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组，默认为 None
目标值（无监督转换则为 None）。
- **fit_paramsdict
附加拟合参数。
- 返回:
- X_new形状为 (n_samples, n_features_new) 的 ndarray 数组
转换后的数组。
- get_feature_names_out(input_features=None)[source]#
根据选择的特征掩码特征名称。
- 参数：
- input_features字符串类数组或 None，默认为 None
输入特征。
如果
input_features为None，则使用feature_names_in_作为输入特征名。如果feature_names_in_未定义，则生成以下输入特征名：["x0", "x1", ..., "x(n_features_in_ - 1)"]。如果
input_features是类数组，则如果feature_names_in_已定义，则input_features必须与feature_names_in_匹配。
- 返回:
- feature_names_out字符串对象的 ndarray
转换后的特征名称。
- get_metadata_routing()[source]#
获取此对象的元数据路由。
请查看 用户指南，了解路由机制的工作原理。
1.4 版本中新增。
- 返回:
- routingMetadataRouter
一个
MetadataRouter封装了路由信息。
- get_params(deep=True)[source]#
获取此估计器的参数。
- 参数：
- deep布尔值，默认为 True
如果为 True，则将返回此估计器和包含的作为估计器的子对象的参数。
- 返回:
- params字典
参数名称与其值的映射。
- get_support(indices=False)[source]#
获取所选特征的掩码或整数索引。
- 参数：
- indices布尔值，默认为 False
如果为 True，则返回值将是整数数组，而不是布尔掩码。
- 返回:
- support数组
一个索引，用于从特征向量中选择保留的特征。如果
indices为 False，则这是一个形状为 [# 输入特征] 的布尔数组，其中元素为 True 当且仅当其对应的特征被选择保留。如果indices为 True，则这是一个形状为 [# 输出特征] 的整数数组，其值为输入特征向量的索引。
- inverse_transform(X)[source]#
反转转换操作。
- 参数：
- X形状为 [n_samples, n_selected_features] 的数组
输入样本。
- 返回:
- X_r形状为 [n_samples, n_original_features] 的数组
在
transform将移除特征的位置插入零列的X。
- property n_features_in_#
在
fit期间看到的特征数量。
- partial_fit(X, y=None, **partial_fit_params)[source]#
仅需拟合一次 SelectFromModel 元转换器。
- 参数：
- X形状为 (n_samples, n_features) 的类数组
训练输入样本。
- y形状为 (n_samples,) 的类数组，默认值=None
目标值（在分类中对应于类的整数，在回归中为实数）。
- **partial_fit_params**字典
如果
enable_metadata_routing=False（默认）：直接传递给子估计器的partial_fit方法的参数。如果
enable_metadata_routing=True：传递给子估计器的partial_fit方法的参数。如果prefit=True，则忽略这些参数。
1.4 版本中的变更： 如果通过
set_config设置enable_metadata_routing=True，则**partial_fit_params将被路由到子估计器，这允许别名。更多详情请参见 元数据路由用户指南。
- 返回:
- self对象
已拟合的估计器。
- set_output(*, transform=None)[源代码]#
设置输出容器。
有关如何使用此 API 的示例，请参见 介绍 set_output API。
- 参数：
- transform{"default", "pandas", "polars"}，默认值=None
配置
transform和fit_transform的输出。"default"：转换器的默认输出格式"pandas"：DataFrame 输出"polars"：Polars 输出None：转换配置保持不变
1.4 版本中新增： 添加了
"polars"选项。
- 返回:
- self估计器实例
估计器实例。
- set_params(**params)[源代码]#
设置此估计器的参数。
此方法适用于简单的估计器以及嵌套对象（例如
Pipeline）。后者具有<component>__<parameter>形式的参数，因此可以更新嵌套对象的每个组件。- 参数：
- **params**字典
估计器参数。
- 返回:
- self估计器实例
估计器实例。
- 属性 threshold_#
用于特征选择的阈值。
