rfe

    0熱度

    1回答

    當我嘗試使用lrFuncs嘗試執行rfe時,我遇到類似問題this post。我嘗試了他們的建議,但他們沒有解決我的問題。以caret包中的GermanCredit數據集爲例。在這個數據集中,所有因素(目標變量Class除外)已經轉換爲二進制數字變量,所以我們不需要擔心使用model.matrix。 > library(caret) > data(GermanCredit) > GCrfe <

    0熱度

    1回答

    我正在使用RFE與ExtraTreeRegressor作爲估計器,以使SupervisedFeatureSelection成爲迴歸問題。 我拿到名次,並從下方的通用代碼模型的支持: rfe_vola = RFE(estimator=ExtraTreesRegressor(), n_features_to_select=1, step=1) rfe_vola.fit(X_allfeatures,

    1熱度

    1回答

    我想從一個表達集(微陣列)的20000個基因組中找到一個有用的特徵選擇方法來獲得一個只有有用基因的模型。 我嘗試使用插入符號的RFE,但由於後向選擇不支持n(預測符)> n(樣本)的數據,所以我有StackOverflow的錯誤。 任何人都可以提出一個合理的方法來做到這一點嗎?或者這種RFE選擇方法的解決方案? 在此先感謝。

    0熱度

    1回答

    我無法使插入符號正常工作。從已知的例子開始,http://machinelearningmastery.com/feature-selection-with-the-caret-r-package/中的示例完美無瑕。 正如我雖然替代我自己的數據集,它失敗: > results <- rfe(x, y, sizes=c(1:5), rfeControl=control) Error in rfe.

    3熱度

    1回答

    我試圖在scikit-learn中使用遞歸特徵消除(RFE)函數,但不斷收到錯誤ValueError: coef_ is only available when using a linear kernel。我正在嘗試使用rbf內核爲支持向量分類器(SVC)執行特徵選擇。從該網站下面的示例執行罰款: print(__doc__) from sklearn.svm import SVC from

    1熱度

    1回答

    因爲在插入符號ml中有一些方法可用don't have a built in feature selection,我正在試驗rfe。 有人可以解釋,train()和rfe()之間的區別是什麼 - 除了培訓時間和排名的功能列表?事情只有train()可以做,反之亦然? 這是我的例子來說明這個問題: # worker functions useRFE <- function(trainctrl) {

    0熱度

    1回答

    我正嘗試使用rfeControl和rfe進行簡單的使用svm的功能選擇任務。輸入文件很小,有20個特徵,414個樣本。輸入可以在這裏找到[https://www.dropbox.com/sh/hj91gd06dbbyi1o/AABTHPuP4kI85onSqBiGH_ISa?dl=0]。 忽略警告,我不明白下面的錯誤是,因爲我明白當衡量指標== RMSE和我時,最大化的價值,但是,具有指標==準確

    3熱度

    1回答

    我想向Oracle提交一個Java8 LocalDate API變更請求(RFE)。不幸的是,唯一形成我能找到(http://bugreport.java.com/bugreport/)不提供字段(類別,子類別,)我需要指定我正確要求。 是否有備案正確和全面的Java的變更請求到Oracle的任何其他方式?

    0熱度

    1回答

    我有一個簡單的代碼,它使用rfe在我的數據的不同時間段執行特徵選擇。我用下面的rfeControl和rfe函數調用: control <- rfeControl(functions=rfFuncs, method="cv", number=10) results <- rfe(feature_selection_data , feature_selection_target$va

    0熱度

    1回答

    我想通過scikit-learn在我的迴歸問題上應用像遞歸特徵消除這樣的包裝方法。 Recursive feature elimination with cross-validation給出了一個很好的概述,如何自動調整功能的數量。 我嘗試這樣做: modelX = LogisticRegression() rfecv = RFECV(estimator=modelX, step=1, scor