迭代RFE得分sklearn

Question

我使用带有ExtraTreeRegressor的SupervisedFeatureSelection作为估计器，以便在回归问题中使用RFE。

我使用下面的通用代码从模型中获得排名和支持：

rfe_vola = RFE(estimator=ExtraTreesRegressor(), n_features_to_select=1, step=1)
rfe_vola.fit(X_allfeatures, y_vol)
ranking_vola = rfe_vola.ranking_
print("ranking: ",ranking_vola)
print("support: ",rfe_vola.support_)

我想要的是更深层次的信息，因此在每次RFE迭代时的分数或特征评估。我注意到有一些像_fit这样的隐藏函数，我正在考虑强制step_score参数不同于none……关键是我不能达到我想要的。(我是python的新手...)我想要打印每次迭代的分数。有没有人有这方面的经验？step_score参数的适当值应该是什么？(我尝试过布尔值，但它不起作用)

感谢您的建议！

Answer 1

这就是我要找的：

from sklearn.metrics import r2_score

rfe_vola = RFE(estimator=ExtraTreesRegressor(),n_features_to_select=None, step=1, verbose=2)    
r2_scorer = lambda est, features: r2_score(y_true=y_vol,y_pred=est.predict(X_allfeatures[:, features]))
rfe_vola._fit(X_allfeatures, y_vol, r2_scorer)
ranking_vola = rfe_vola.ranking_