`sklearn.feature_selection`.RFECV¶

class sklearn.feature_selection.RFECV¶

Clasificación de características con eliminación recursiva de características y selección validada cruzada del mejor número de características.

Ver entrada de glosario para cross-validation estimator.

Más información en el Manual de usuario.

Parámetros

estimator : instancia del EstimatorInstancia del estimador

Un estimador de aprendizaje supervisado con un método de fit que proporciona información sobre la importancia de las características a través de un atributo coef_ o de un atributo feature_importances_.

stepentero o punto flotante, default=1

Si es mayor o igual que 1, entonces step corresponde al número (entero) de características a eliminar en cada iteración. Si está dentro de (0.0, 1.0), entonces step corresponde al porcentaje (redondeado hacia abajo) de características a eliminar en cada iteración. Ten en cuenta que la última iteración puede eliminar menos características que step para llegar a min_features_to_select.

min_features_to_selectint, default=1

El número mínimo de características a seleccionar. Este número de características siempre se puntuará, incluso si la diferencia entre el recuento original de características y min_features_to_select no es divisible por step.

Nuevo en la versión 0.20.

cvint, generador de validación cruzada o un iterable, default=None

Determina la estrategia de división de la validación cruzada. Las entradas posibles para cv son:

None, para usar la validación cruzada de 5-fold por defecto,
entero, para especificar el número de partes.
separador de CV,
Un iterable que produce divisiones (train, test) como arreglos de índices.

Para entradas enteras/None, si y es binario o multiclase, se utiliza StratifiedKFold. Si el estimador es un clasificador o si y no es binario ni multiclase, se utiliza KFold.

Consulta Manual de usuario para las diversas estrategias de validación cruzada que pueden ser utilizadas aquí.

Distinto en la versión 0.22: cv es el valor predeterminado si None cambió de 3-fold a 5-fold.

scoringstring, callable o None, default=None

Una cadena (ver la documentación de la evaluación del modelo) o un objeto / función callable puntuador (scorer) con la firma scorer(estimator, X, y).

verboseint, default=0

Controla la verbosidad de la salida.

n_jobsint o None, default=None

Número de núcleos para ejecutar en paralelo mientras se ajusta a través de partes. None significa 1 al menos en un contexto joblib.parallel_backend. -1 significa utilizar todos los procesadores. Ver Glosario para más detalles.

Nuevo en la versión 0.18.

importance_getterstr o callable, default=”auto”

Si es “auto”, utiliza la importancia de la característica a través de los atributos coef_ o feature_importances_ del estimador.

También acepta una cadena que especifica un nombre de atributo/ruta para extraer la importancia de la característica. Por ejemplo, dar regressor_.coef_ en el caso de TransformedTargetRegressor o named_steps.clf.feature_importances_ en el caso de Pipeline con su último paso llamado clf.

Si callable, sobrescribe el getter de importancia de características predeterminadas. El invocable se pasa con el estimador ajustado y debe devolver la importancia de cada característica.

Nuevo en la versión 0.24.

Atributos

estimator_ : Instancia del EstimadorInstancia del estimador: El estimador ajustado utilizado para seleccionar las características.
grid_scores_ndarray de forma (n_subsets_of_features): Las puntuaciones de validación cruzada, de modo que grid_scores_[i] corresponde a la puntuación CV del subconjunto i-ésimo de características.
n_features_int: El número de características seleccionadas con validación cruzada.
ranking_narray de forma (n_features,): La clasificación de las características, de modo que ranking_[i] corresponde a la posición de clasificación de la i-ésima característica. A las características seleccionadas (es decir, las mejores estimadas) se les asigna el rango 1.
support_ndarray de forma (n_features): La máscara de las características seleccionadas.

Ver también

RFE: Eliminación recursiva de características.

Notas

El tamaño de grid_scores_ es igual a ceil((n_features - min__features_to_select) / step) + 1, donde step es el número de características eliminadas en cada iteración.

Permite NaN/Inf en la entrada si el estimador subyacente también lo hace.

Referencias

1: Guyon, I., Weston, J., Barnhill, S., & Vapnik, V., «Gene selection for cancer classification using support vector machines», Mach. Learn., 46(1-3), 389–422, 2002.

Ejemplos

El siguiente ejemplo muestra cómo recuperar las 5 características informativas no conocidas a priori en el conjunto de datos Friedman #1.

>>> from sklearn.datasets import make_friedman1
>>> from sklearn.feature_selection import RFECV
>>> from sklearn.svm import SVR
>>> X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
>>> estimator = SVR(kernel="linear")
>>> selector = RFECV(estimator, step=1, cv=5)
>>> selector = selector.fit(X, y)
>>> selector.support_
array([ True,  True,  True,  True,  True, False, False, False, False,
       False])
>>> selector.ranking_
array([1, 1, 1, 1, 1, 6, 4, 3, 2, 5])

Métodos

`decision_function`	Calcula la función de decisión de `X`.
`fit`	Ajusta el modelo RFE y afinar automáticamente el número de características seleccionadas
`fit_transform`	Ajusta a los datos y luego transformarlos.
`get_params`	Obtiene los parámetros de este estimador.
`get_support`	Obtiene una máscara, o índice entero, de las características seleccionadas
`inverse_transform`	Revierte la operación de transformación
`predict`	Reduce X a las características seleccionadas y luego predice utilizando la
`predict_log_proba`	Predice las probabilidades de clase para X.
`predict_proba`	Predice las probabilidades de clase para X.
`score`	Reduce X a las características seleccionadas y luego devuelve la puntuación del
`set_params`	Establece los parámetros de este estimador.
`transform`	Reduce X a las características seleccionadas.

decision_function()¶

Calcula la función de decisión de X.

Parámetros

X{array-like or sparse matrix} de forma (n_samples, n_features): Las muestras de entrada. Internamente, se convertirá a dtype=np.float32 y si se proporciona una matriz dispersa a una csr_matrix dispersa.

Devuelve

scorearreglo, forma = [n_samples, n_classes] o [n_samples]: La función de decisión de las muestras de entrada. El orden de las clases corresponde al del atributo classes_. La regresión y la clasificación binaria producen un arreglo de forma [n_samples].

fit()¶

Ajusta el modelo RFE y afinar automáticamente el número de características seleccionadas: características.

Parámetros

X{array-like, sparse matrix} de forma (n_samples, n_features): Vector de entrenamiento, donde n_samples es el número de muestras y n_features es el número total de características.
yarray-like de forma (n_samples,): Valores objetivo (enteros para la clasificación, números reales para la regresión).
groupsarray-like de forma (n_samples,) o None, default=None: Etiquetas de grupo para las muestras utilizadas al dividir el conjunto de datos en conjunto de entrenamiento/prueba. Sólo se utiliza junto con una instancia de cv «Group» (por ejemplo, GroupKFold).

Nuevo en la versión 0.20.

fit_transform()¶

Ajusta a los datos y luego transformarlos.

Ajusta el transformador a X e y con los parámetros opcionales fit_params y devuelve una versión transformada de X.

Parámetros

Xarray-like de forma (n_samples, n_features): Muestras de entrada.
yarray-like de forma (n_samples,) o (n_samples, n_outputs), default=None: Valores objetivo (None para transformaciones no supervisadas).
**fit_paramsdict: Parámetros de ajuste adicionales.

Devuelve

X_newarreglo ndarray de forma (n_samples, n_features_new): Arreglo transformado.

get_params()¶

Obtiene los parámetros de este estimador.

Parámetros

deepbooleano, default=True: Si es True, devolverá los parámetros para este estimador y los sub objetos contenidos que son estimadores.

Devuelve

paramsdict: Los nombres de los parámetros se asignan a sus valores.

get_support()¶

Obtiene una máscara, o índice entero, de las características seleccionadas

Parámetros

indicesbooleano, default=False: Si es True, el valor de retorno será un arreglo de enteros, en lugar de una máscara booleana.

Devuelve

supportarreglo: Un índice que selecciona las características retenidas de un vector de características. Si indices es False, se trata de un arreglo booleano de forma [# características de entrada], en la que un elemento es True si su característica correspondiente es seleccionada para ser retenida. Si indices es True, se trata de un arreglo de enteros de forma [# características de salida] cuyos valores son índices en el vector de características de entrada.

inverse_transform()¶

Revierte la operación de transformación

Parámetros

Xarreglo de forma [n_samples, n_selected_features]: Las muestras de entrada.

Devuelve

X_rarreglo de forma [n_samples, n_original_features]: X` con columnas de ceros insertadas donde las características habrían sido eliminadas por transform.

predict()¶

Reduce X a las características seleccionadas y luego predice utilizando la: estimador subyacente.

Parámetros

Xarreglo de forma [n_samples, n_features]: Las muestras de entrada.

Devuelve

yarreglo de forma [n_samples]: Los valores objetivo predichos.

predict_log_proba()¶

Predice las probabilidades de clase para X.

Parámetros

Xarreglo de forma [n_samples, n_features]: Las muestras de entrada.

Devuelve

parreglo de forma (n_samples, n_classes): Las probabilidades logarítmicas de clase de las muestras de entrada. El orden de las clases corresponde al del atributo classes_.

predict_proba()¶

Predice las probabilidades de clase para X.

Parámetros

X{array-like or sparse matrix} de forma (n_samples, n_features): Las muestras de entrada. Internamente, se convertirá a dtype=np.float32 y si se proporciona una matriz dispersa a una csr_matrix dispersa.

Devuelve

parreglo de forma (n_samples, n_classes): Las probabilidades de clase de las muestras de entrada. El orden de las clases corresponde al del atributo classes_.

score()¶

Reduce X a las características seleccionadas y luego devuelve la puntuación del: estimador subyacente.

Parámetros

Xarreglo de forma [n_samples, n_features]: Las muestras de entrada.
yarreglo de forma [n_samples]: Los valores objetivo.

set_params()¶

Establece los parámetros de este estimador.

El método funciona tanto con estimadores simples como con objetos anidados (como Pipeline). Estos últimos tienen parámetros de la forma ``<component>__<parameter>` para que sea posible actualizar cada componente de un objeto anidado.

Parámetros

**paramsdict: Parámetros del estimador.

Devuelve

selfinstancia del estimador: Instancia del estimador.

transform()¶

Reduce X a las características seleccionadas.

Parámetros

Xarreglo de forma [n_samples, n_features]: Las muestras de entrada.

Devuelve

X_rarreglo de forma [n_samples, n_selected_features]: Las muestras de entrada con sólo las características seleccionadas.

Ejemplos con `sklearn.feature_selection.RFECV`¶

sklearn.feature_selection.RFECV¶

Ejemplos con sklearn.feature_selection.RFECV¶

`sklearn.feature_selection`.RFECV¶

Ejemplos con `sklearn.feature_selection.RFECV`¶