在前向逐步选择方式中执行特征选择。
项目描述
ForwardStepwiseFeatureSelection 旨在根据与其他令人难以置信的软件包（如 numpy、pandas 和 sklearn）的相应分数来选择机器学习任务中的最佳特征或特征子集。
这个包的灵感来自：PyData DC 2016 | 降维实用指南 Vishal Patel 2016 年 10 月 8 日
- 示例： https ://github.com/HindyDS/ForwardStepwiseFeatureSelection/tree/main/examples
- 邮箱： hindy888@hotmail.com
- 源代码： https ://github.com/HindyDS/ForwardStepwiseFeatureSelection/tree/main/ForwardStepwiseFeatureSelection
- 错误报告： https ://github.com/HindyDS/ForwardStepwiseFeatureSelection/issues
它至少需要六个参数才能运行：
- 估计器：机器学习模型
- X（数组）：特征空间
- y（数组）：目标
- cv（int）：（分层）KFold中的折叠数
- 评分（str）：见https://scikit-learn.org/stable/modules/model_evaluation.html
可选参数：
- max_trial (int)：您希望 RFS 停止搜索的试验次数
- 容差（int）：RFS 有多少次无法找到更好的特征子集
- 最小增益（int）：分数指标增益的阈值
- max_feats (int): 最大特征数
- prior(list)：RFS搜索的起点，必须对应X的列
- 排除（嵌套列表）：如果新选择的特征在特定子池之一中（嵌套列表中的列表），则该特定子池中的特征不再可用于在以下试验中形成任何新子集
- n_jobs (int)：并行运行的作业数。
- n_digit (int): 得分的小数位数
- 详细（int）：RFS 的详细程度
如果您对此包装有任何想法，请随时提出！
关
ForwardStepwiseFeatureSelection -1.3.9.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 880b7d59987c84445af2ce0317d606aba24202023996207c31bc15b51cd957bd |
|
| MD5 | 5f7a57f8219a4a9a1185db1471cfe304 |
|
| 布莱克2-256 | 87bdb00876e09e01c8154c531ed12c8cabea0b923896b2269983d92fdd321081 |
关
ForwardStepwiseFeatureSelection -1.3.9-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | fce03d2d65204c71d50b1d540ba1341f08b0a69a5c694c45724974ef020908f3 |
|
| MD5 | 729b19a8c41dd38ca03749e74e38e0db |
|
| 布莱克2-256 | 8204535dcf29e6319436573783b1f05acca603c631258f8843c8623967f7ddad |