常州网站建设流程长沙网站推广 下拉通推广

sklearn.feature_selection.SelectFromModel 是一种基于模型的重要性权重进行特征选择的工具，允许我们根据学习器的权重或特征重要性自动选择特征。它通过从模型中提取特征的重要性来选择特征，常用于与那些具有 coef_ 或 feature_importances_ 属性的模型结合使用，如线性模型、树模型等。

1. 语法

from sklearn.feature_selection import SelectFromModelSelectFromModel(estimator, threshold=None, prefit=False, norm_order=1, max_features=None)

2. 参数说明

• estimator: 训练好的模型或将要拟合的模型。该模型需要具备 coef_ 或 feature_importances_ 属性，例如，线性回归、逻辑回归、决策树、随机森林等。模型通过这些属性来衡量每个特征的重要性。

• threshold: 阈值，用来决定特征的重要性。所有权重或重要性大于该阈值的特征将被选中。可以是一个字符串（如 ‘mean’ 或 ‘median’），也可以是一个具体的数值。如果设置为 None，则默认使用 mean。

  • ‘mean’: 选择权重或特征重要性大于平均值的特征。
  • ‘median’: 选择权重或特征重要性大于中位数的特征。
  • 浮点数值：选择权重或特征重要性大于该值的特征。

• prefit: 布尔值。是否已经对模型进行过预训练。如果为 True，则直接使用已经训练好的模型，否则将在 SelectFromModel 调用 fit 方法时自动拟合模型。

• norm_order: 规范的顺序，指定用于特征选择时 coef_ 向量的范数。对于 L1 正则化模型通常使用 1，对于 L2 正则化模型使用 2。

• max_features: 指定选择的最大特征数。如果为 None，则根据 threshold 选择所有符合条件的特征。如果指定了数值，则会选择前 max_features 个最重要的特征。

3. 返回值

• get_support(): 返回一个布尔数组，指示哪些特征被选中（True 表示被选中）。
• transform(X): 将输入的特征矩阵 X 转换为仅包含所选特征的新特征矩阵。
• fit(X, y): 根据输入数据 X 和目标变量 y，拟合模型并选择特征。

4. 示例

(1) 基本用法：使用线性模型进行特征选择

from sklearn.linear_model import LogisticRegression
from sklearn.feature_selection import SelectFromModel
from sklearn.datasets import load_iris# 加载数据集
X, y = load_iris(return_X_y=True)# 使用逻辑回归模型
estimator = LogisticRegression()# 创建 SelectFromModel 对象
selector = SelectFromModel(estimator=estimator)# 拟合模型并进行特征选择
selector.fit(X, y)# 查看哪些特征被选择了
print("Selected features:", selector.get_support())# 转换原始数据，保留选中的特征
X_selected = selector.transform(X)
print("Transformed shape:", X_selected.shape)

输出：

Selected features: [ True False True False]
Transformed shape: (150, 2)

在这个例子中，SelectFromModel 根据逻辑回归模型的权重选择了 2 个特征。

(2) 使用随机森林模型进行特征选择

from sklearn.ensemble import RandomForestClassifier
from sklearn.feature_selection import SelectFromModel
from sklearn.datasets import load_iris# 加载数据集
X, y = load_iris(return_X_y=True)# 使用随机森林模型
estimator = RandomForestClassifier(n_estimators=100)# 创建 SelectFromModel 对象
selector = SelectFromModel(estimator=estimator, threshold='mean')# 拟合模型并进行特征选择
selector.fit(X, y)# 查看选择的特征
print("Selected features:", selector.get_support())# 转换原始数据
X_selected = selector.transform(X)
print("Transformed shape:", X_selected.shape)

在这里，SelectFromModel 通过随机森林的 feature_importances_ 属性进行特征选择，保留那些重要性超过平均值的特征。

(3) 使用预训练模型进行特征选择

如果我们已经预先训练了模型，可以设置 prefit=True 来跳过重新训练的步骤：

# 预训练一个模型
estimator = LogisticRegression().fit(X, y)# 使用预训练模型进行特征选择
selector = SelectFromModel(estimator=estimator, prefit=True)# 查看选择的特征
print("Selected features:", selector.get_support())# 转换原始数据
X_selected = selector.transform(X)

(4) 限制选择的最大特征数量

我们可以使用 max_features 来限制选择的特征数量：

selector = SelectFromModel(estimator=estimator, max_features=2, threshold=-np.inf)# 拟合模型并进行特征选择
selector.fit(X, y)# 查看选择的特征
print("Selected features:", selector.get_support())

这里我们通过设置 threshold=-np.inf 选择了权重最大的两个特征。

5. 应用场景

• 降维: SelectFromModel 可以通过减少不重要的特征来进行降维，提高模型的性能和泛化能力。
• 特征选择: 利用模型的权重或特征重要性来选择对目标变量最有贡献的特征。
• 自动化特征选择: 可以在构建模型时自动选择特征，特别适用于模型构建过程中自动化流水线的使用。

6. 注意事项

• 依赖于模型的 coef_ 或 feature_importances_: SelectFromModel 依赖于所使用的模型具有 coef_（线性模型）或 feature_importances_（树模型等）属性。
• 阈值选择: 选择适当的 threshold 参数对结果影响较大。可以使用 mean 或 median 等动态值，或者根据数据实验确定一个具体的阈值。

7. 与其他特征选择方法的对比

• 与 RFE 的对比: SelectFromModel 直接根据特征的重要性进行选择，而 RFE 是通过递归地消除不重要的特征逐步选择。SelectFromModel 更直接，适合模型对特征重要性有直接衡量的情况。
• 与 SelectKBest 的对比: SelectKBest 是基于统计检验选择前 k 个最好的特征，而 SelectFromModel 是基于模型的重要性选择特征。

SelectFromModel 提供了一种简单有效的特征选择方法，特别适合与线性模型和决策树类模型结合使用。