python - ML - 特征选择后获取特征名称 - SelectPercentile，python

Question

我一直在为这个问题苦苦挣扎。 我的目标是利用我拥有的文本特征，找到其中最好的 5-10 个词来帮助我分类。因此，我正在运行 TfIdfVectorizer，目前选择 ~90 最好。但是，在缩小特征数量后，我看不到实际选择了哪些特征。

这是我的:

import pandas
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.feature_selection import SelectPercentile, f_classif

train=pandas.read_csv("train.tsv", sep='\t')
labels_train = train["label"]
documents = []

for i, row in train.iterrows():
    documents.append((row['boilerplate'][1:-1].lower()))

vectorizer = TfidfVectorizer(sublinear_tf=True, stop_words="english")
features_train_transformed = vectorizer.fit_transform(documents)

selector = SelectPercentile(f_classif, percentile=0.1)
selector.fit(features_train_transformed, labels_train)
features_train_transformed = selector.transform(features_train_transformed).toarray()

结果是 features_train_transformed 包含所选单词的每个文档每个单词的所有 tf​​idf 分数的矩阵，但是我不知道选择了哪些单词，并且类 SelectPercentile 无法使用“get_feature_names()”之类的方法。

这是必要的，因为我需要将这些特征添加到一堆数字特征中，然后才能进行训练和预测。

Answer 1

• selector.get_support() 为您获取在您指定的百分位数范围内的列的 bool 数组
• train.columns.values 应该为您提供原始数据框的完整列名列表
• 用前者过滤后者应该会为您提供构成所选百分位范围的列的名称。

下面的代码(从工作代码中剪切粘贴)与您的非常相似，希望对您有所帮助

import numpy as np
selection = SelectPercentile(f_regression, percentile=2)
train_minus_target = train.drop("y", axis=1)
x_features = selection.fit_transform(train_minus_target, y_train)
columns = np.asarray(train_minus_target.columns.values)
support = np.asarray(selection.get_support())
columns_with_support = columns[support]

引用:
about get_support