3704-张同学-人工智能学科-自然语言处理方向 扫二维码继续学习 二维码时效为半小时

(0评价)
价格: 免费

特征选择feature_selection

特征创造是一个中很好的方法

在做特征选择之前,有三件非常重要的事:跟数据提供者开会!跟数据提供者开会!跟数据提供者开会!

所以特征选择的第一步,其实是根据我们的目标,用业务常识来选择特征。

一、方差过滤

可能特征中的大多数值都一样,甚至整个特征的取值都相同,那这个特征对于样本区分没有什么作用。所以无 论接下来的特征工程要做什么,都要优先消除方差为0的特征。

当特征是二分类时,特征的取值就是伯努利随机变量,这些变量的方差可以计算为:

其中X是特征矩阵,p是二分类特征中的一类在这个特征中所占的概率。

[展开全文]

包装法也是一个特征选择和算法训练同时进行的方法,与嵌入法十分相似,它也是依赖于算法自身的选择,比如 coef_属性或feature_importances_属性来完成特征选择。但不同的是,我们往往使用一个目标函数作为黑盒来帮 助我们选取特征,而不是自己输入某个评估指标或统计量的阈值。包装法在初始特征集上训练评估器,并且通过 coef_属性或通过feature_importances_属性获得每个特征的重要性。然后,从当前的一组特征中修剪最不重要的 特征。在修剪的集合上递归地重复该过程,直到最终到达所需数量的要选择的特征。区别于过滤法和嵌入法的一次 训练解决所有问题,包装法要使用特征子集进行多次训练,因此它所需要的计算成本是最高的。

最典型的目标函数是递归特征消除法(Recursive feature elimination, 简写为RFE)。它是一种贪婪的优化算法, 旨在找到性能最佳的特征子集。 它反复创建模型,并在每次迭代时保留最佳特征或剔除最差特征,下一次迭代时, 它会使用上一次建模中没有被选中的特征来构建下一个模型,直到所有特征都耗尽为止。然后,它根据自己保留或 剔除特征的顺序来对特征进行排名,最终选出一个最佳子集。包装法的效果是所有特征选择方法中最利于提升模型 表现的,它可以使用很少的特征达到很优秀的效果。

 

[展开全文]

feature_selection.SelectFromModel

 

[展开全文]

选择结构

单分支选择结构

条件表达式详解

       在选择和循环结构中,条件表达式的值为False的情况如下:

       False、0、0.0、空值None、空序列对象

[展开全文]

Embedded嵌入法

嵌入法是一种让算法自己决定使用哪些特征的方法,即特征选择和算法训练同时进行。在使用嵌入法时,我们先使 用某些机器学习的算法和模型进行训练,得到各个特征的权值系数,根据权值系数从大到小选择特征。这些权值系数往往代表了特征对于模型的某种贡献或某种重要性,比如决策树和树的集成模型中的feature_importances_属性,可以列出各个特征对树的建立的贡献,我们就可以基于这种贡献的评估,找出对模型建立最有用的特征。

过滤法中使用的统计量可以使用统计知识和常识来查找范围(如p值应当低于显著性水平0.05),而嵌入法中使用 的权值系数却没有这样的范围可找——我们可以说,权值系数为0的特征对模型丝毫没有作用,但当大量特征都对 模型有贡献且贡献不一时,我们就很难去界定一个有效的临界值。

嵌入法引入了算法来挑选特征,因此其计算速度也会和应用的算法有很大的关系。如果采用计算量很大,计 算缓慢的算法,嵌入法本身也会非常耗时耗力。并且,在选择完毕之后,我们还是需要自己来评估模型。

[展开全文]

先使用方差过滤,然后 使用互信息法来捕捉相关性,不过了解各种各样的过滤方式也是必要的。

 

[展开全文]

互信息法是用来捕捉每个特征与标签之间的任意关系(包括线性和非线性关系)的过滤方法。和F检验相似,它既 可以做回归也可以做分类,并且包含两个类feature_selection.mutual_info_classif(互信息分类)和 feature_selection.mutual_info_regression(互信息回归)。这两个类的用法和参数都和F检验一模一样,不过 互信息法比F检验更加强大,F检验只能够找出线性关系,而互信息法可以找出任意关系。

[展开全文]

集合:无序可变,集合底层是字典实现,集合的所有元素都是字典中的”键对象“,因此是不能重复且唯一的。

集合创建和删除

1.{}创建

2.set()创建

3.remove()、clear()

集合相关操作

[展开全文]

字典核心底层原理(重要)

列表通过索引值寻找,字典通过键寻找。

字典对象的核心是散列表。散列表是一个稀疏数组,数组的每个单元叫做bucket,每个bucket有两部分:一个是键对象的引用,一个是值对象的引用。

(1)将一个键值对放进字典的底层过程

 

 

[展开全文]

序列解包

序列解包可以用于元组、列表、字典。序列解包可以方便对多个变量进行赋值。

 

[展开全文]

字典元素添加、修改、删除

1.给字典新增键值对,如果键已经存在则被覆盖,若键不存在则增加。

2.使用update()将新字典中所有键值对全部添加到旧字典上,如果键重复则进行覆盖。

3.字典中元素的删除,可以使用del()方法,或者clear()删除所有键值对;pop()删除指定键值对,并返回对应的值对象。

4.popitem():随机删除和返回键值对,字典是无序可变序列,因此没有元素的排序顺序等;popitem弹出随机的项。

 

[展开全文]

字典元素的访问

(1)通过【键】获得“值”

(2)通过get()方法获得值(推荐使用)

 

[展开全文]

字典

字典是“键值对”的无序可变序列,字典中的每个元素都是一个“键值对”,包含:"键对象"和“值对象”。可以通过“键对象”实现快速获取,删除,更新对应的“值对象”。“键”不可重复。

字典的创建

(1)通过{},dict()函数创建字典。

(2)zip()

(3)通过fromkeys创建值为空的字典

 

[展开全文]

生成器推导式创建元组

生成器推导式生成的不是列表也不是元组,而是一个生成器对象。

 

[展开全文]

元组的元素访问和计数

元组排序

zip():将多个列表对应位置的元素组合成为元组,并返回这个zip对象。

 

 

 

[展开全文]

元组tuple

列表属于可变序列,可以任意修改列表中的序列。元组属于不可变序列,不能修改元组中的元素。所以,元组中没有增加元素,修改元素,删除元素相关的方法。

元组的创建

(1)通过()创建,小括号可以省略。

(2)通过tuple()创建元组。将字符串,range()序列,列表转化为元组。

元组的删除

[展开全文]

多维列表

二维列表

 

[展开全文]

列表的排序

(1)修改源列表,不建立新列表

a.sort()

(2)建新列表的排序

a=sorted(a)

(3)reversed()返回迭代器

 

[展开全文]

切片操作

[起始偏移量:终止偏移量:步长]

列表的遍历

 

[展开全文]

列表元素访问和计数

(1)通过索引直接访问元素

(2)获得指定元素在列表中首次出现的索引

      index(value,[start,end])

(3)count()获得指定元素在列表中出现的次数

(4)len()列表长度

[展开全文]