class 中用于特征选择的 function 的说明

Question

我遇到了一个 function 如下：

def indices_of_top_k(arr, k):
    return np.sort(np.argpartition(np.array(arr), -k)[-k:])

我无法理解它的作用或每个组件的工作原理。 有人可以解释一下它的作用吗？

对于上下文，它在下面给出的 class 中用于特征选择：

class TopFeatureSelector(BaseEstimator, TransformerMixin):
    def __init__(self, feature_importances, k):
        self.feature_importances = feature_importances
        self.k = k
    def fit(self, X, y=None):
        self.feature_indices_ = indices_of_top_k(self.feature_importances, self.k)
        return self
    def transform(self, X):
        return X[:, self.feature_indices_]

谢谢，

Answer 1

partition比排序更难理解。 将其视为不完整的排序。

In [152]: x=np.random.randint(0,50,12)
In [153]: x
Out[153]: array([16, 16,  4, 33, 39, 43, 28, 47,  2, 23, 25, 11])

要获得最大的 5 个元素，我们可以排序和切片：

In [154]: np.sort(x)[-5:]
Out[154]: array([28, 33, 39, 43, 47])

partition获得相同的值，但顺序有点不同：

In [155]: np.partition(x,-5)[-5:]
Out[155]: array([28, 33, 39, 47, 43])

对应的指标：

In [156]: np.argpartition(x,-5)[-5:]
Out[156]: array([6, 3, 4, 7, 5])

对这些索引进行排序：

In [157]: np.sort(np.argpartition(x,-5)[-5:])
Out[157]: array([3, 4, 5, 6, 7])

使用 argsort 做同样的事情，但据说argpartition比argsort快：

In [158]: np.sort(np.argsort(x)[-5:])
Out[158]: array([3, 4, 5, 6, 7])

从这里我们可以得到 5 个最大值，但是按照它们的原始顺序，而不是 [154] 中的排序顺序：

In [159]: x[_]
Out[159]: array([33, 39, 43, 28, 47])