具有随机林的递归特征消除(RFE)

Question

我想使用递归特征消除(RFE)在我的数据库上使用随机森林的特征选择。我想出了一个密码：

from sklearn.feature_selection import RFE
# Create the RFE object and rank each pixel
clf_rf_3 = RandomForestClassifier()      
rfe = RFE(estimator=clf_rf_3, n_features_to_select=6, step=1)
rfe = rfe.fit(X_train, y_train)

print('Chosen best 5 feature by rfe:',X_train.columns[rfe.support_])

但是在执行之后，我得到了一个错误：

numpy.ndarray' object has no attribute 'columns'

这是真的，因为X_train是一个'numpy.ndarray‘，没有列。

我想要的是找到所选功能的名称。但是大多数代码要么给出所选特性的数量，要么给出相对的列索引。

我尝试将代码X_train.columns[rfe.support_]替换为X_new.columns[rfe.support_] (在该代码中，X_ new是一个Dataframe，它包含了我的所有特性，然后我将它缩放并分割为训练和测试)，我得到了一个结果。但我不确定我是否应用了正确的解决方案。

Answer 1

这段代码片段似乎期待着熊猫的数据。对于numpy数组，X_train[:, rfe.support_]应该成功。