class 中用於特征選擇的 function 的說明

Question

我遇到了一個 function 如下：

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

我無法理解它的作用或每個組件的工作原理。 有人可以解釋一下它的作用嗎？

對於上下文，它在下面給出的 class 中用於特征選擇：

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_]

謝謝，

Answer 1

partition比排序更難理解。 將其視為不完整的排序。

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])

要獲得最大的 5 個元素，我們可以排序和切片：

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

partition獲得相同的值，但順序有點不同：

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

對應的指標：

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

對這些索引進行排序：

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

使用 argsort 做同樣的事情，但據說argpartition比argsort快：

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

從這里我們可以得到 5 個最大值，但是按照它們的原始順序，而不是 [154] 中的排序順序：

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