使用 SelectKBest 在 Python 中的特征重要性
[英]Feature importance in Python using SelectKBest
问题描述
I am trying to get the top 5 features for my dataframe df with X_train and y_train.
我正在尝试使用 X_train 和 y_train 为我的数据框 df 获取前 5 个功能。
bestfeatures = SelectKBest(score_func=chi2, k=5) #k=5 means select top 5 features
fit = bestfeatures.fit(X_train,y_train)
dfscores = pd.DataFrame(fit.scores_)
dfcolumns = pd.DataFrame(X_train.columns)
#concat two dataframes for better visualization
featureScores = pd.concat([dfcolumns,dfscores],axis=1)
featureScores.columns = ['Features','Score'] #naming the dataframe columns
print(featureScores.nlargest(5,'Score')) #print 5best features
Error错误
ValueError Traceback (most recent call last)
<ipython-input-54-47286ab0e6e9> in <module>
6
7 bestfeatures = SelectKBest(score_func=chi2, k=5)
----> 8 fit = bestfeatures.fit(X_train,y_train)
ValueError: Unknown label type: (array([23.5, 35, 38.......
.......]),)
PS My Y_train is 23.5 , 35, 38 and so on... as in valueerror PS 我的 Y_train 是 23.5 、 35 、 38 等等......就像在 valueerror
How to solve this?如何解决这个问题？
1 个解决方案
解决方案1
1 已采纳 2021-01-17 21:09:14
Your score function is chi2 so you are doing classification, not regression.你的分数函数是chi2所以你在做分类，而不是回归。 You must therefore pass values in a finite space (such as: string, integer, etc.);因此，您必须在有限空间中传递值（例如：字符串、整数等）； floats can only be used for regression.浮点数只能用于回归。
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
相关问题
使用 Python 的随机森林特征重要性图表 - Random Forest Feature Importance Chart using Python
使用 Python 的随机森林特征重要性 - Random Forest Feature Importance using Python
获取SelectKBest函数python的功能名称 - get feature names of SelectKBest function python
使用 lightgbm 的特征重要性 - Feature importance using lightgbm
在 Python 中使用 Keras 的神经网络中的特征重要性图表 - Feature Importance Chart in neural network using Keras in Python
Python分类定义功能重要性 - Python classification define feature importance
随机森林特征重要性 Python - Random Forest Feature Importance Python
python 特征重要性条形图 - python feature importance bar chart
使用adaboost在sklearn中的功能重要性 - Feature importance in sklearn using adaboost
使用 SelectKBest 从 3D numpy 阵列中自动选择特征 - Automatic Feature Selection from a 3D numpy array using SelectKBest
相关标签