Scikit 学习 SVM 特征名称

Posted 2023-03-12

【中文标题】Scikit 学习 SVM 特征名称

【英文标题】：Scikit learn SVM feature names

【发布时间】：2018-02-06 19:47:59

【问题描述】：

我正在使用 Scikit learn 开发 SVM 分类器。我有 378 个特征，在拟合分类器后，我发现我的数据的最佳特征数是 41。我现在想知道这 41 个特征到底是什么。为了对每个特征的重要性进行排序，我使用了：

selector.ranking_ 

这给了我以下输出：

array([294, 285, 265, 239, 345, 240, 231, 282, 284, 341, 344, 244, 224,
   123, 151, 194, 190, 161, 170, 219, 227, 283, 275, 121, 177, 140,
   164, 353, 185, 230, 293, 320, 256,  37,   4, 321, 322, 267, 327,
   273, 206, 241, 169, 110, 147, 323, 242, 168,  24, 301,  19, 204,
    69, 297, 362, 281, 257, 334, 108,  73, 325, 326, 331, 268, 207,
   272, 274, 348,  39,  61, 243, 324, 189, 134, 142, 181,  23,  99,
   356, 247, 276, 205,  27,  72, 221, 339, 149,  43,  54, 103, 238,
   192, 143,  84, 114, 154,   9,  32,  75, 178, 291, 158, 237, 328,
   292,  81,  85, 264, 337,  97,  68,  31,  44, 234, 352, 302, 193,
    82,  52,  45,  60, 355, 132,  83, 258, 233, 223, 277, 288, 340,
   342, 236, 232, 104, 126, 179, 162, 152, 173, 222, 235, 278, 269,
    14, 171, 138, 163, 367, 102, 119, 309, 308, 129,  42, 200, 280,
    93,  55,  62,  47, 213, 175,   6,  26, 116,  66, 165, 128,  88,
    29, 307, 306, 208, 167, 279, 199, 130, 191,   5,  25, 131,  67,
    87,  46, 370, 172, 259, 166, 378,  76,   3, 153, 148, 218, 262,
    95, 120, 144, 125, 260, 330, 251, 209,  89,  91, 118,   2, 101,
    48, 212, 186, 263, 217,  77,  65,  28,  78, 329, 261, 176, 150,
   349, 117,  90,  34, 365, 298, 296, 228, 225, 216, 198, 311, 300,
   304, 310, 317, 315, 109, 314,   1,  86, 299, 295, 229, 226, 343,
   364,  63, 133, 303, 305, 318, 316, 366, 157, 156,  49, 359, 290,
   188, 248, 174, 245, 203, 336, 215, 319, 250, 124, 135, 201,  33,
   187, 289, 220, 350, 202, 246, 214, 338, 249, 335, 363, 184, 136,
    41, 351,  80,  53, 145, 313, 183, 287, 211, 271,  96, 107,  74,
   127,  16,  22, 312, 146, 286, 182, 270, 210, 346,  40,  15, 266,
   347,   7,  17, 195,  70,  51, 113, 100, 180,  50, 122,  18,  11,
   141,  94, 105, 159, 357, 368,  92,  64, 358, 196, 253,  79,  21,
    59,  13, 111,  10, 252, 197,  56,   8, 361,  58,  57,  30, 371,
   254, 333,  35,  20, 139, 155, 332, 255, 360,  38,  71, 115, 354,
   112,  12, 137, 160, 369,  36,  98, 106, 372, 373, 374, 375, 376, 377])

我的每个功能都有一个功能名称（而不仅仅是一个数字）。我可以查看索引并将每个数字映射到其各自的功能名称，但 378 个功能有点乏味。有没有一种方法可以让我简单地列出功能名称而不是列索引号？

谢谢。

【问题讨论】：

这个很不清楚。您应该添加一些代码来澄清。 selector 是什么？射频消融？特征名称存储在哪里？在数据框、列表或数组中？

【参考方案1】：

假设您使用的是 pandas，您可以执行以下操作：

for col_num in selector.ranking_ :
    print(yourDataFrame.columns[col_num])

除非我们不知道您selector 是什么，否则其他选项很难说。 如果你有例如from sklearn.feature_selection import SelectKBest 你可以做某事喜欢：

mask = selector.get_support() #list of booleans
    new_features = [] #becomes the list of your K best features in the following loop

    for bool, feature in zip(mask, feature_names):
        if bool:
            new_features.append(feature)