我们可以使用哪些模型来进行分类和回归的递归特征消除。
例如我们可以使用
selector = RFE(RandomForestClassifier(), 5)
用于分类 和
selector = RFE(RandomForestRegressor(), 5)
回归
- 还有哪些其他模型可用于 RFE？
- 回归 RFE 模型能否用于分类，反之亦然(在某处阅读。仍然不确定它们如何适应)
最佳答案
关于问题 1，文档指出:
estimator : object
A supervised learning estimator with a fit method that provides information about feature importance either through a coef_ attribute or through a feature_importances_ attribute.
coef_通常与所有线性模型相关联(例如 sklearn.linear_model 、 sklearn.naive_baye 、 sklearn.svm 等)。 feature_importances_与基于树的模型相关联:例如sklearn.tree.DecisionTreeClassifier , sklearn.ensemble.RandomForestClassifier等
关于Q.2，我对此了解还不够。我的直觉是，您可以通过离散化问题来使用一些分类器来解决回归问题，但不确定这在实践中是否有帮助。我会让更有知识的人来回答这个问题。
关于machine-learning - 用于分类和回归的递归特征消除的模型，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59342197/