從非常簡單的scikit-learn SVM分類器中獲取最豐富的功能

Question

我試圖構建一個非常簡單的SVM預測器，我可以通過基本的Python知識來理解它。由於我的代碼與這個question以及這個question看起來有很大的不同，我不知道如何在我的示例中找到SVM預測的最重要特徵。

我有一個包含功能和類（狀態）下面 '樣本'：

A B C D E F status 
1 5 2 5 1 3 1 
1 2 3 2 2 1 0 
3 4 2 3 5 1 1 
1 2 2 1 1 4 0 

我保存的功能名稱爲 '特徵'：

A B C D E F 

特徵 'X'：

1 5 2 5 1 3 
1 2 3 2 2 1 
3 4 2 3 5 1 
1 2 2 1 1 4 

和狀態 'Y'：

1 
0 
1 
0 

然後，我從樣本中構建X和y陣列，對一半樣本進行列車&測試並計算正確的預測值。

import pandas as pd 
import numpy as np 
from sklearn import svm 

X = np.array(sample[features].values) 
X = preprocessing.scale(X)  
X = np.array(X) 
y = sample['status'].values.tolist() 
y = np.array(y) 

test_size = int(X.shape[0]/2) 

clf = svm.SVC(kernel="linear", C= 1) 
clf.fit(X[:-test_size],y[:-test_size]) 

correct_count = 0 

for x in range(1, test_size+1): 
    if clf.predict(X[-x].reshape(-1, len(features)))[0] == y[-x]: 
     correct_count += 1 
accuracy = (float(correct_count)/test_size) * 100.00 

我的問題是，現在，我不知道，我怎麼會從上面，這樣我也能看到的問題，哪些是最重要的功能實現代碼。

如果你能告訴我，我將不勝感激，如果這對我的簡單版本來說甚至是可能的？如果是的話，如何做到這一點的任何提示都會很棒。

Answer 1

從所有的功能設置，設定的變量產生的最低值必須選擇爲非常重要的變量向量的模的平方爲了