回答情况：
提问时间：
问题标签：
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.fit(X_allfeatures, y_vol)print("ra
浏览 0提问于2016-10-16得票数 3
1回答
我按照下面的示例代码在我自己的数据集中使用RFE：set.seed(7)library(forest selection function# run the RFEalgorithm
results <- rfe(PimaIndiansDiabetes[,1:8],
浏览 4提问于2016-04-07得票数 1
回答已采纳
我正在使用递归特征消除(RFE)管道： from sklearn.feature_selection import RFE
c_GAUSS = GaussianProcessClassifier()rfe = RFE(estimator=c_GAUSS) 但是，我得到一个错误： ValueError: when `importance_getter=='auto'`, the underlying
浏览 967修改于2021-08-30得票数 2
回答已采纳
1回答
我试图找出如何使用RFE来解决回归问题，我正在阅读一些教程。=10, n_informative=5, random_state=1)rfe = RFE(estimator=DecisionTreeRegressor(),该流水线用于对RFE算法和第二个DecisionTreeRegressor (模型)进行排队。如果我没有错的话，我的想法是，对于交叉验证中的每一次迭代，都执行RFE，选择所需数量的最佳特性，然后只使用这些特性运行第二个模型。但是，RFE</e
浏览 2提问于2020-12-14得票数 1
回答已采纳
我想在管道中使用RFE进行特征选择。在没有GridSearch的情况下，让它在管道中工作是没有问题的。然而，当我尝试合并GridSearch时，我总是得到一个值错误(NB )。没有RFE的模型是很好的)。有什么不对的？my error: ValueError:用于估计器RFE的无效参数α(estimator=Ridge(alpha=1.0，copy_X=True，fit_intercept=True，max_iter这个工作很好：
<em
浏览 3提问于2020-07-16得票数 0
我正在尝试使用RFE特征选择来建立逻辑回归模型。weights = {0:1, 1:5}rfe= RFE(model, 25)print(rfe_model.support_)
print(selector.rankingTrue,
浏览 51修改于2020-03-24得票数 2
回答已采纳
对于特征消除，我使用rfe，它有不同的选项，其中，我想最大化/最小化的度量是什么。问题是rfe接受诸如RMSE、kappa之类的指标，而我想使用不同的指标来最大化，在mi情况下，我想最大化指标库中的ScoreQuadraticWeightedKappa，但我不知道如何做到这一点。我有以下代码：results <- rfe(dataset[, -59], dataset
浏览 0提问于2016-01-20得票数 0
1回答
，它返回一个助推器，但我想使用RFE来选择最佳的100个特性。返回的助推器不能在RFE中使用，因为它不是sklearn估计器。有没有什么方法可以把xgb.train(...)和sklearn的RFE一起使用呢？
浏览 2修改于2021-05-20得票数 7
# Importing RFE and LinearRegressionfrom sklearn.linear_modelimport LinearRegression
lm = LinearRegression()
rfe = RFE(l
浏览 14修改于2022-01-12得票数 0
回答已采纳
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：# Create the RFE object and rank each pixelrfe = RFE(estimator=clf_rf_3, n_features_to_select=6, step=1)
rfe= rfe
浏览 6修改于2022-11-05得票数 0
回答已采纳
rfFuncs$SummaryFunction <- twoClassSummary numberverbose = TRUE, allowParallel = F) tr
浏览 1提问于2015-09-08得票数 0
回答已采纳
当使用rfe()与tuneLength设置和rerank = TRUE时，当对特征子集重新计算排名时，tuneLength中的参数是否优化？repeatedcv", repeats=1,)
data = train,
method = "pls",
浏览 3修改于2015-01-16得票数 0
我想结合RFE()，递归的特征选择算法。步骤如下。使30个子集允许冗余选择(套袋)
rfe = RFE(estimator=cf1)
bagging = BaggingClassifier(rfe, n_estima
浏览 5修改于2015-12-19得票数 5
回答已采纳
我使用插入符号包在R中创建了以下三种RFE类型：
RForestresults = rfe(twoHoursDaily[,1:12
浏览 2提问于2016-03-20得票数 1
回答已采纳
我有一个数据集，我正在尝试使用R中的caret包中的rfe()。Y是我用来做预测的变量。我无法让rfe停止给出以下错误消息：+ sizes = subsets,Error in rfe.default
浏览 2提问于2012-02-05得票数 4
回答已采纳
在使用RandomForests运行RFE模型之后，我得到了rfe.support_结果(具有True和False的数组)。sklearn.ensemble import RandomForestClassifieriris = load_iris()rfe = rfe.fit(iris
浏览 1提问于2018-11-03得票数 0
我创建了一个包含RFE和RandomForestClassifer的管道，然后应用RandomizedSearchCV为两者找到最佳的超参数值。-from sklearn.feature_selection import RFE", RFE(estimator = RandomForestClassifier(random_state = 42))),
("est", Ra
浏览 12提问于2022-06-27得票数 2
回答已采纳
由于在的插入符号-ml中有一些可用的方法，所以我正在试验rfe。 repeats=5, returnResamp="final",
resultsRFE <- training[,1
浏览 6修改于2015-10-06得票数 2
我正在尝试使用Caret的rfe功能来进行特性选择。我的代码几天前就不起作用了。现在我得到了一个下标的界限错误。奇怪的是，我可以使用来自另一个包的内置数据运行rfe函数，这对我来说意味着这很可能是我的数据的一个问题(但我不知道是什么问题)。有什么建议吗？PimaIndiansDiabetes)control <- rfeControl(functions=rfFuncs2, method="cv", number=10)results <- rfe</
浏览 2修改于2021-01-15得票数 3
Note:我已经看过 SelectFromModel与RFE在Scikit学习中的差异 post，我的查询与的帖子不同# RecursiveFeatureElimination_ExtraTreesClassifier
fr
浏览 0修改于2021-09-19得票数 3
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号