Fatal编程技术网
  • machine-learning/
  • Machine learning 用于分类和回归递归特征消除的模型

Machine learning 用于分类和回归递归特征消除的模型

machine-learning scikit-learn

Machine learning 用于分类和回归递归特征消除的模型,machine-learning,scikit-learn,regression,classification,feature-selection,Machine Learning,Scikit Learn,Regression,Classification,Feature Selection,对于分类和回归，我们可以使用哪些模型进行递归特征消除 例如，我们可以使用 selector = RFE(RandomForestClassifier(), 5) 分类 及 回归 RFE还可以使用哪些型号 回归RFE模型可以用于分类，反之亦然（在某个地方阅读。仍然不确定它们如何适合） 关于Q.1，文件说明： 估计员：对象 一种带拟合方法的监督学习估计器，通过系数属性或特征重要性属性提供有关特征重要性的信息 coef\u通常与所有线性模型相关（例如sklearn.linear\u model，s

对于
分类
和
回归
，我们可以使用哪些模型进行
递归特征消除

例如，我们可以使用


selector = RFE(RandomForestClassifier(), 5)



分类
及

回归


  • RFE还可以使用哪些型号
    • 

  • 回归RFE模型可以用于分类，反之亦然（在某个地方阅读。仍然不确定它们如何适合）
    • 

    关于Q.1，文件说明：
    
估计员：对象
    
一种带拟合方法的监督学习估计器，通过系数属性或特征重要性属性提供有关特征重要性的信息
    

    coef\u
    通常与所有线性模型相关（例如
    sklearn.linear\u model
    ，
    sklearn.naive\u baye
    ，
    sklearn.svm
    等）<代码>功能重要性与基于树的模型相关联：例如，
    sklearn.tree.DecisionTreeClassifier
    ，
    sklearn.employee.RandomForestClassifier
    ，等等
    
关于问题2，我对这方面的了解还不够。我的直觉是，你可以通过离散化问题来使用一些分类器来处理回归问题，但不确定它在实践中是否有用。我会让更有知识的人来回答这个问题
    

    selector = RFE(RandomForestRegressor(), 5)