机器学习——特征选择

• 一、读取数据
• • 0、导入一些必需的包
  • 1、加载本地数据
  • 2、检查数据是否包含缺失值
  • 3、分配标签和特征
• 二、特征选择
• • 1. 过滤方法
  • • 1.1. 信息增益（mutual_info_classif互信息）
  • 2. 包装方法
  • • 2.1 递归特征消除法，
  • 3. 嵌入方法
  • • 3.1 基于树模型的特征选择，
• 三、总结

import pandas as pd
import numpy as np

data = pd.read_excel('./L_roudoukou_data_LSTM_CNN.xlsx', index_col=0, nrows=5)

print(np.isnan(df).any())       # L12输出True，说明数据里有空值，用0填充。

names = ['label', 'L1', 'L2', 'L3', 'L4', 'L5', 'L6', 'L7', 'L8', 'L9', 'L10', 'L11', 'L12']
dataframe = pd.read_csv("./L_roudoukou_data_LSTM_CNN.csv", names=names)  # 读取数据集
dataframe.head()
array = dataframe.values
**注：不要选到标签栏，否则XY就会包含字符串类型，后面无法计算。**
X = array[1:, 1:13]  # 选取前1~13列为特征变量，就是要筛选的特征。
Y = array[1:, 0]  # 选取label为目标变量，就是标签。
# print(X[0:5, :])    # 打印前5行特征
# print(Y[0:5])    # 打印前5行标签

from sklearn.feature_selection import mutual_info_classif
import matplotlib.pyplot as plt
importances = mutual_info_classif(X, Y)
feat_importances = pd.Series(importances, df.columns[0:len(df.columns)-1])
feat_importances.plot(kind='barh', color='teal')
plt.savefig('./mutual_info_classif.png')
plt.show()
plt.close()

# from sklearn.feature_selection import RFE   # 导入RFE库
# from sklearn.linear_model import LogisticRegression     # 导入逻辑回归库
# model = LogisticRegression()    # 设置算法为逻辑回归
# rfe = RFE(model, 5)  # 选择5个最佳特征变量，并进行RFE
# fit = rfe.fit(X, Y)     # 进行RFE递归
# print(fit.n_features_)  # 打印最优特征变量数
# print(fit.support_)  # 打印选择的最优特征变量
# # print(fit.ranking_)     # 特征消除排序

这里输出[False False False False False True False True True False True True]，说明L6,L8,L9,L11,L12,比较好。

from sklearn.ensemble import ExtraTreesClassifier   # 导入ExtraTrees
model = ExtraTreesClassifier()  # 设置ExtraTrees
model.fit(X, Y)
print(model.feature_importances_)   # 得到特征变量的重要性值

输出[0.08752002 0.08456882 0.09494643 0.05386247 0.05954704 0.14586148
0.05104781 0.05556901 0.11572619 0.06029772 0.06241888 0.12863414]，从高到低：L6L12L9L3L1L2L11L10L5L8L4L7。

三种方法比较后，L6最好。