用于分类和回归的递归特征消除的模型

Posted 2023-03-12

【中文标题】用于分类和回归的递归特征消除的模型

【英文标题】：models to use for Recursive Feature Elimination for classification and regression

【发布时间】：2020-04-08 01:33:33

【问题描述】：

对于Recursive Feature Elimination 和classification 和regression，我们可以使用哪些模型。

例如我们可以使用

selector = RFE(RandomForestClassifier(), 5)

用于分类 和

selector = RFE(RandomForestRegressor(), 5)

回归

还有哪些其他模型可用于 RFE？ 可以将回归 RFE 模型用于分类，反之亦然（在某处阅读。仍然不确定它们如何适应）

【参考方案1】：

关于 Q.1，文档说明：

估计器：对象

具有拟合方法的监督学习估计器，通过 coef_ 属性或 feature_importances_ 属性提供有关特征重要性的信息。

coef_ 通常与所有线性模型相关联（例如sklearn.linear_model、sklearn.naive_baye、sklearn.svm 等）。 feature_importances_ 与基于树的模型相关联：例如sklearn.tree.DecisionTreeClassifier、sklearn.ensemble.RandomForestClassifier等

关于 Q.2，我对此知之甚少。我的直觉是，您可以通过离散化问题来使用一些分类器来解决回归问题，但不确定它在实践中是否有用。我会让更有知识的人回答这个问题。