在python中选择功能

我正在尝试做这个算法

将熊猫作为pd导入
导入路径库
进口gaitrec
从tsfresh导入提取功能
从集合导入defaultdict
从sklearn.cluster导入KMeans
从sklearn.decomposition导入PCA
从sklearn.metrics.pairwise导入欧氏距离
类PFA（对象）：
def _u初始（自，n_功能，q=None）：
self.q=q
self.n_特征=n_特征
def配合（自身，X）：
如果不是自我。q：
self.q=X.shape[1]
pca=pca（n_分量=self.q）.拟合（X）
A_q=主成分
kmeans=kmeans（n_集群=self.n_特性）.fit（A_q）
clusters=kmeans.predict（A_q）
cluster\u centers=kmeans.cluster\u centers_
dists=defaultdict（列表）
对于枚举（集群）中的i、c：
dist=欧几里德距离（A_q[i，：]）。重塑（1，-1），簇中心[c，：]。重塑（1，-1））[0][0]
dists[c].追加（（i，dist））
self.index=[在dists.values（）中为f排序（f，key=lambda x:x[1]）[0][0]
self.features_ux=X[：，self.index_X]
p=pathlib.Path（gaitrec.\uu_文件\u_）.parent
dataset_file=p/'DatasetC'/'Subc_001'/'walk0'/'Subc_0010.csv'
read_csv=pd.read_csv（数据集_文件，sep='；'，decimal=''，name=['time'，'x'，'y'，'z'，'id']））
读取\u csv['id']=0
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
打印（只读）
提取的特征=提取的特征（读取“\u csv”，column\u id=“id”，column\u sort=“time”）
features_withnot_nanvalues=提取的特征.dropna（how='all'，axis=1）
打印（无值的功能）
X=不带值的功能。到
pfa=pfa（n_特征=2274，q=1）
pfa.fit（X）
Y=pfa特性_
打印（Y）#特征提取
列索引=pfa.index#特征索引
打印（列索引）
C:\Users\Thund\AppData\Local\Programs\Python\Python 37\Python.exe C:/Users/Thund/Desktop/RepoBitbucket/gaitrc/gaitrc/extraction.py
时间x y z id
0        0 -0.833333  0.416667 -0.041667   0
1        1 -0.833333  0.416667 -0.041667   0
2        2 -0.833333  0.416667 -0.041667   0
3        3 -0.833333  0.416667 -0.041667   0
4        4 -0.833333  0.416667 -0.041667   0
...    ...       ...       ...       ...  ..
1337  1337 -0.833333  0.416667  0.083333   0
1338  1338 -0.833333  0.416667  0.083333   0
1339  1339 -0.916667  0.416667  0.083333   0
1340  1340 -0.958333  0.416667  0.083333   0
1341  1341 -0.958333  0.416667  0.083333   0
[1342行x 5列]
特征提取：100%|██████████| 3/3[00:04如评论中所述，拟合后的特征来自A_q矩阵的索引，该矩阵的PCA特征数量减少。您将获得两个特征，而不是q特征（本例中为1个）由于重塑.self.features可能来自A_q而不是X。
我认为代码中的问题在于以下语句：

pfa=pfa（n_特征=2274，q=1）

我没有读过这篇文章，但你必须观察
pca
行为。如果作者将
q
变量设置为1，你应该知道为什么
q
为1

例如：

from matplotlib.pyplot import plot
from matplotlib.pyplot import xlabel
from matplotlib.pyplot import ylabel
from matplotlib.pyplot import figure

pca_obj = PCA().fit(X=X)
figure(1, figsize=(6,3), dpi=300)
plot(pca_obj.explained_variance_, linewidth=2)
xlabel('Components')
ylabel('Explained Variaces')

注意：如果您使用的应用程序不是jupyter笔记本

，请在行尾添加

show

，以防看不到任何图形

from matplotlib.pyplot import plot
from matplotlib.pyplot import xlabel
from matplotlib.pyplot import ylabel
from matplotlib.pyplot import figure
from matplotlib.pyplot import show

pca_obj = PCA().fit(X=X)
figure(1, figsize=(6,3), dpi=300)
plot(pca_obj.explained_variance_, linewidth=2)
xlabel('Components')
ylabel('Explained Variaces')
show()

对于我的数据集，结果是：

现在，我可以说：“我的

q

变量是100，因为PCA从100个分量开始表现得更好。”

你能这么说吗？你怎么知道q是1

---

现在观察您最好的

q

性能变量，看看它是否解决了您的问题。

问题是什么？我不理解警告以及从2k+功能中它只提取前2个的原因不确定警告，但看起来您只是从使用kmeans聚集的功能中选择索引-和kmeans已经在PCA的输出上完成了，这减少了维数。我认为由于A_q（不确定）的重塑，你得到的是两个特征，而不是q特征，但是矩阵的索引并不是指相同的东西，所以这肯定应该改变_q@Elenchus谢谢你的回答。我在欧几里德距离中实现了重塑，因为我遇到了这个问题：。啊，是的，这就是为什么你得到了2个特征，而不是of 1.但重塑并不是真正的问题-A_q的特征数量与PCA中的尺寸数量相同。如果你想要更多的特征，将q.2274尺寸增加到1是相当激烈的，因此在你进行重塑时，可能会移除重塑，并将q限制在最小2。但拟合后的特征应该来自A_q，不是席仍然不明白我应该放多少分量。在数组中我记住了“错误”给了PCA，就是行是组成部分（样本）。在这种情况下，我的数据是这样形成的：每一行代表一次行走，列是行走的特征。因此，如果我将相同的行作为组件，数组是相同的（可能pca会根据方差对数组进行排序），如果我放入更少的组件，它可能会尝试求和一些不太重要的特性，并以更少的行输出数组。我的代码现在看起来是这样的：（我添加了更多的示例）。当我的代码执行kmeans训练时，它会运行得很慢，并提取2126到2289个特性。例如，我如何理解它是否正确？（我试图从2289个特征中选择一些相关特征）在使用

PFA

之前，您需要创建

pca

对象，即

pca\u obj=pca（）

。然后您需要将

X

（数据）适配到声明的

pca

对象，即

pca\u obj.fit（X）

然后您需要绘制并查看适当数量的组件

绘制（pca\u obj.explained\u方差_
from matplotlib.pyplot import plot
from matplotlib.pyplot import xlabel
from matplotlib.pyplot import ylabel
from matplotlib.pyplot import figure
from matplotlib.pyplot import show

pca_obj = PCA().fit(X=X)
figure(1, figsize=(6,3), dpi=300)
plot(pca_obj.explained_variance_, linewidth=2)
xlabel('Components')
ylabel('Explained Variaces')
show()