2
我試圖用scikit學習下面的代碼遞歸功能選擇。功能選擇
from sklearn import datasets, svm
from sklearn.feature_selection import SelectKBest, f_classif
from sklearn.feature_selection import RFE
import numpy as np
input_file_iris = "/home/anuradha/Project/NSL_KDD_master/Modified/iris.csv"
dataset = np.loadtxt(input_file_iris, delimiter=",")
X = dataset[:,0:4]
y = dataset[:,4]
estimator= svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
selector = RFE(estimator,3, step=1)
selector = selector.fit(X,y)
但它提供了以下錯誤
Traceback (most recent call last):
File "/home/anuradha/PycharmProjects/LearnPython/Scikit-learn/univariate.py", line 30, in <module>
File "/usr/local/lib/python2.7/dist-packages/sklearn/feature_selection/rfe.py", line 131, in fit
return self._fit(X, y)
File "/usr/local/lib/python2.7/dist-packages/sklearn/feature_selection/rfe.py", line 182, in _fit
raise RuntimeError('The classifier does not expose '
RuntimeError: The classifier does not expose "coef_" or
"feature_importances_" attributes
請一些人可以幫助我解決這個或引導我到另一種解決方案
是啊謝謝,我明白了。但我需要知道一件事,爲什麼我們不能使用svm.OneClassSVM作爲估算器? – Anuradha
REF用於消除無關緊要的特徵,因此您需要使用**監督學習**估計器。它從所有特徵開始,將估計量與數據擬合,然後根據重要性爲特徵分配權重。然後消除最不重要的功能,直到數據集中剩餘功能的數量等於n_features。相反,OneClassSVM是一種**無監督**技術,用於識別觀測值中的異常值。換句話說,它用於消除**觀測值中的異常值**,而不是消除無用的**特徵**。 – MhFarahani
謝謝,我明白了。 – Anuradha