的Python - sklearn管道SVC f_regression - 獲得列名

Question

我想從這個代碼片斷列名：

anova_filter = SelectKBest(f_regression, k=10) 
clf = svm.SVC(kernel='linear') 
anova_svm = make_pipeline(anova_filter, clf) 
f_reg_features = anova_svm.fit(df_train, df_train_y) 

我嘗試了一些其他建議，如這一個，但我沒能得到它的工作：

How to get feature names selected by feature elimination in sklearn pipeline?

在此先感謝。

Answer 1

隨着eli5庫（免責聲明：我是作者之一），你可以做這樣的：

# the original example: 
from sklearn.feature_selection import SelectKBest, f_regression 
from sklearn import svm 
from sklearn.datasets import make_classification 
from sklearn.pipeline import make_pipeline 
import pandas as pd 

X, y = make_classification(n_features=5, n_informative=5, n_redundant=0) 
df_train = pd.DataFrame(X, columns=['A', 'B', 'C', 'D', 'E']) 
df_train_y = pd.DataFrame(y) 

anova_filter = SelectKBest(f_regression, k=3) 
clf = svm.SVC(kernel='linear') 
anova_svm = make_pipeline(anova_filter, clf) 
f_reg_features = anova_svm.fit(df_train, df_train_y) 

然後：

import eli5 
feat_names = eli5.transform_feature_names(anova_filter, list(df.columns)) 

它的工作原理類似於維韋克方式庫馬爾的建議;優點是統一的API - 不需要記住每個變壓器的這些片段。

如果您要更換SVC與sklearn.linear_model.LinearSVM（應該也快得多）（內核=「線性」），你可以這樣做：

eli5.show_weights(anova_svm, feature_names=list(df.columns)) 

，並得到像這樣的表：