Python - sklearn pipeline SVC f_regression -获取列名

Question

我正在尝试从这个代码片段中提取列名：

anova_filter = SelectKBest(f_regression, k=10)
clf = svm.SVC(kernel='linear')
anova_svm = make_pipeline(anova_filter, clf)
f_reg_features = anova_svm.fit(df_train, df_train_y)

我尝试了其他一些建议，比如这个，但我不能让它起作用：

How to get feature names selected by feature elimination in sklearn pipeline?

提前谢谢。

Answer 1

使用eli5库(免责声明:我是作者之一)，您可以这样做：

# the original example:
from sklearn.feature_selection import SelectKBest, f_regression
from sklearn import svm
from sklearn.datasets import make_classification
from sklearn.pipeline import make_pipeline
import pandas as pd

X, y = make_classification(n_features=5, n_informative=5, n_redundant=0)
df_train = pd.DataFrame(X, columns=['A', 'B', 'C', 'D', 'E'])
df_train_y = pd.DataFrame(y)

anova_filter = SelectKBest(f_regression, k=3)
clf = svm.SVC(kernel='linear')
anova_svm = make_pipeline(anova_filter, clf)
f_reg_features = anova_svm.fit(df_train, df_train_y)

然后：

import eli5
feat_names = eli5.transform_feature_names(anova_filter, list(df.columns))

它的工作方式类似于Vivek Kumar的建议；优点是统一的API -不需要为每个转换器记住这样的代码片段。

如果您将SVC(内核=‘线性’)替换为sklearn.linear_model.LinearSVM (这也应该更快)，您可以这样做：

eli5.show_weights(anova_svm, feature_names=list(df.columns))

然后得到一个这样的表：

​

​