基于SelectFromModel和LassoCV的特征选择¶

使用SelectFromModel元-转换器和Lasso从糖尿病数据集中选择最佳的一对特征。

由于L1范数促进了特征的稀疏性，所以我们可能只对数据集中最有兴趣的特征子集感兴趣。此示例演示如何从糖尿病数据集中选择两个最有趣的特征。

糖尿病数据集包含从442名糖尿病患者中收集的10个变量(特征)。此示例演示如何使用SelectFromModel和LassoCv从基线中找到预测一年后疾病进展的最佳两个特征。

许可证：BSD 3条款

print(__doc__)

import matplotlib.pyplot as plt
import numpy as np

from sklearn.datasets import load_diabetes
from sklearn.feature_selection import SelectFromModel
from sklearn.linear_model import LassoCV

加载数据

首先，让我们从sklearn内部加载糖尿病数据集。然后，我们将看看从糖尿病患者收集了哪些特征：

diabetes = load_diabetes()

X = diabetes.data
y = diabetes.target

feature_names = diabetes.feature_names
print(feature_names)

['age', 'sex', 'bmi', 'bp', 's1', 's2', 's3', 's4', 's5', 's6']

找到特性的重要性

为了决定特征的重要性，我们将使用LassoCV估计器。具有最高绝对值的 coef_ 特征被认为是最重要的。

clf = LassoCV().fit(X, y)
importance = np.abs(clf.coef_)
print(importance)

[  6.49684455 235.99640534 521.73854261 321.06689245 569.4426838
 302.45627915   0.         143.6995665  669.92633112  66.83430445]

从得分最高的模型特征中选择

现在我们想要选择两个最重要的特征。SelectFromModel()允许设置阈值。只有coef_高于阈值的特征才能保持不变。在这里，我们希望将阈值略高于LassoCV()根据我们的数据计算的第三个最高coef_.

idx_third = importance.argsort()[-3]
threshold = importance[idx_third] + 0.01

idx_features = (-importance).argsort()[:2]
name_features = np.array(feature_names)[idx_features]
print('Selected features: {}'.format(name_features))

sfm = SelectFromModel(clf, threshold=threshold)
sfm.fit(X, y)
X_transform = sfm.transform(X)

n_features = sfm.transform(X).shape[1]

Selected features: ['s5' 's1']

绘制两个最重要的特征

最后，我们将从数据中绘制出所选的两个特征。

plt.title(
    "Features from diabets using SelectFromModel with "
    "threshold %0.3f." % sfm.threshold)
feature1 = X_transform[:, 0]
feature2 = X_transform[:, 1]
plt.plot(feature1, feature2, 'r.')
plt.xlabel("First feature: {}".format(name_features[0]))
plt.ylabel("Second feature: {}".format(name_features[1]))
plt.ylim([np.min(feature2), np.max(feature2)])
plt.show()

脚本的总运行时间：(0分0.224秒)

Download Python source code:plot_select_from_model_diabetes.py

Download Jupyter notebook:plot_select_from_model_diabetes.ipynb