Python

Question

我正在尝试使用此代码段中的列名称：

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)

我尝试了其他一些建议，例如这个，但我无法让它发挥作用：

提前致谢。

Answer 1

使用 eli5 库（免责声明：我是作者之一）你可以这样做：

# 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)

然后：

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

它的工作方式类似于 Vivek Kumar 的建议；优点是统一 API - 无需为每个转换器记住此类片段。

如果将 SVC(kernel='linear') 替换为 sklearn.linear_model.LinearSVM（这应该也会快得多），您可以这样做：

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

并得到这样的 table：

Python - sklearn pipeline SVC f_regression - 获取列名

Python - sklearn pipeline SVC f_regression - get column names

machine-learning

feature-selection

scikit-learn