国产成人精品久久免费动漫-国产成人精品天堂-国产成人精品区在线观看-国产成人精品日本-a级毛片无码免费真人-a级毛片毛片免费观看久潮喷

您的位置:首頁(yè)技術(shù)文章
文章詳情頁(yè)

Python進(jìn)行特征提取的示例代碼

瀏覽:10日期:2022-07-08 10:22:14

#過(guò)濾式特征選擇#根據(jù)方差進(jìn)行選擇,方差越小,代表該屬性識(shí)別能力很差,可以剔除from sklearn.feature_selection import VarianceThresholdx=[[100,1,2,3], [100,4,5,6], [100,7,8,9], [101,11,12,13]]selector=VarianceThreshold(1) #方差閾值值,selector.fit(x)selector.variances_ #展現(xiàn)屬性的方差selector.transform(x)#進(jìn)行特征選擇selector.get_support(True) #選擇結(jié)果后,特征之前的索引selector.inverse_transform(selector.transform(x)) #將特征選擇后的結(jié)果還原成原始數(shù)據(jù) #被剔除掉的數(shù)據(jù),顯示為0 #單變量特征選擇from sklearn.feature_selection import SelectKBest,f_classifx=[[1,2,3,4,5], [5,4,3,2,1], [3,3,3,3,3], [1,1,1,1,1]]y=[0,1,0,1]selector=SelectKBest(score_func=f_classif,k=3)#選擇3個(gè)特征,指標(biāo)使用的是方差分析F值selector.fit(x,y)selector.scores_ #每一個(gè)特征的得分selector.pvalues_selector.get_support(True) #如果為true,則返回被選出的特征下標(biāo),如果選擇False,則 #返回的是一個(gè)布爾值組成的數(shù)組,該數(shù)組只是那些特征被選擇selector.transform(x) #包裹時(shí)特征選擇from sklearn.feature_selection import RFEfrom sklearn.svm import LinearSVC #選擇svm作為評(píng)定算法from sklearn.datasets import load_iris #加載數(shù)據(jù)集iris=load_iris()x=iris.datay=iris.targetestimator=LinearSVC()selector=RFE(estimator=estimator,n_features_to_select=2) #選擇2個(gè)特征selector.fit(x,y)selector.n_features_ #給出被選出的特征的數(shù)量selector.support_ #給出了被選擇特征的maskselector.ranking_ #特征排名,被選出特征的排名為1 #注意:特征提取對(duì)于預(yù)測(cè)性能的提升沒(méi)有必然的聯(lián)系,接下來(lái)進(jìn)行比較;from sklearn.feature_selection import RFEfrom sklearn.svm import LinearSVCfrom sklearn import cross_validationfrom sklearn.datasets import load_iris #加載數(shù)據(jù)iris=load_iris()X=iris.datay=iris.target#特征提取estimator=LinearSVC()selector=RFE(estimator=estimator,n_features_to_select=2)X_t=selector.fit_transform(X,y)#切分測(cè)試集與驗(yàn)證集x_train,x_test,y_train,y_test=cross_validation.train_test_split(X,y, test_size=0.25,random_state=0,stratify=y)x_train_t,x_test_t,y_train_t,y_test_t=cross_validation.train_test_split(X_t,y, test_size=0.25,random_state=0,stratify=y) clf=LinearSVC()clf_t=LinearSVC()clf.fit(x_train,y_train)clf_t.fit(x_train_t,y_train_t)print(’origin dataset test score:’,clf.score(x_test,y_test))#origin dataset test score: 0.973684210526print(’selected Dataset:test score:’,clf_t.score(x_test_t,y_test_t))#selected Dataset:test score: 0.947368421053 import numpy as npfrom sklearn.feature_selection import RFECVfrom sklearn.svm import LinearSVCfrom sklearn.datasets import load_irisiris=load_iris()x=iris.datay=iris.targetestimator=LinearSVC()selector=RFECV(estimator=estimator,cv=3)selector.fit(x,y)selector.n_features_selector.support_selector.ranking_selector.grid_scores_#嵌入式特征選擇import numpy as npfrom sklearn.feature_selection import SelectFromModelfrom sklearn.svm import LinearSVCfrom sklearn.datasets import load_digitsdigits=load_digits()x=digits.datay=digits.targetestimator=LinearSVC(penalty=’l1’,dual=False)selector=SelectFromModel(estimator=estimator,threshold=’mean’)selector.fit(x,y)selector.transform(x)selector.threshold_selector.get_support(indices=True) #scikitlearn提供了Pipeline來(lái)講多個(gè)學(xué)習(xí)器組成流水線,通常流水線的形式為:將數(shù)據(jù)標(biāo)準(zhǔn)化,#--》特征提取的學(xué)習(xí)器————》執(zhí)行預(yù)測(cè)的學(xué)習(xí)器,除了最后一個(gè)學(xué)習(xí)器之后,#前面的所有學(xué)習(xí)器必須提供transform方法,該方法用于數(shù)據(jù)轉(zhuǎn)化(如歸一化、正則化、#以及特征提取#學(xué)習(xí)器流水線(pipeline)from sklearn.svm import LinearSVCfrom sklearn.datasets import load_digitsfrom sklearn import cross_validationfrom sklearn.linear_model import LogisticRegressionfrom sklearn.pipeline import Pipelinedef test_Pipeline(data): x_train,x_test,y_train,y_test=data steps=[(’linear_svm’,LinearSVC(C=1,penalty=’l1’,dual=False)), (’logisticregression’,LogisticRegression(C=1))] pipeline=Pipeline(steps) pipeline.fit(x_train,y_train) print(’named steps’,pipeline.named_steps) print(’pipeline score’,pipeline.score(x_test,y_test)) if __name__==’__main__’: data=load_digits() x=data.data y=data.target test_Pipeline(cross_validation.train_test_split(x,y,test_size=0.25, random_state=0,stratify=y))

以上就是Python進(jìn)行特征提取的示例代碼的詳細(xì)內(nèi)容,更多關(guān)于Python 特征提取的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章!

標(biāo)簽: Python 編程
相關(guān)文章:
主站蜘蛛池模板: 亲子乱子伦xxxxxinin | 国产 日韩 欧美 在线 | 九九99久久精品国产 | 欧美成人性色xxxxx视频大 | 国内三级视频 | 欧美精品久久久久久久免费观看 | 成人国产精品视频 | 欧美在线一级精品 | 亚洲日本va午夜中文字幕 | 美女被免费网站视频软件 | 欧美jizzhd极品欧美 | 亚洲综合久久综合激情久久 | 欧美一区二区三区精品影视 | 亚洲一区二区三区精品国产 | 欧美曰批人成在线观看 | 亚洲女视频 | 成人午夜精品 | 亚洲精品国产福利一区二区三区 | 67194在线午夜亚洲 | h亚洲 | 欧美专区在线视频 | 在线观看片成人免费视频 | 亚洲一区二区三区免费 | 九九精品久久久久久噜噜 | 久草免费在线播放视频 | 日韩在线国产精品 | 免费成年网 | 色内内免费视频播放 | www.亚洲天堂 | 三级com | 九色视频在线观看免费 | 国产高清自拍 | 日本欧美不卡一区二区三区在线 | 欧美变态一级毛片 | 久久―日本道色综合久久 | 精品韩国主播福利视频在线观看一 | 中文亚洲欧美 | 性生活免费视频网站 | 欧美一级毛片欧美一级无片 | 国产一级片在线 | 亚洲国产精品第一区二区三区 |