跳到内容

后向选择特征选择器

BackwardSelectionFeatureSelector dataclass 

BackwardSelectionFeatureSelector(
    objective_metric: Optional[str] = None,
    maximize_objective: Optional[bool] = None,
    removal_ratio: Optional[float] = None,
    removal_count: Optional[int] = None,
    variable_importance: Optional[str] = None,
    allow_structural_variable_importance: bool = False,
    allow_model_self_evaluation_and_variable_importances: bool = True,
)

基类: AbstractFeatureSelector

贪婪后向特征选择器。

属性

名称 类型 描述
removal_ratio Optional[float]

每次迭代中移除的特征比例。值越小，结果越精确但成本越高。请注意，每轮至少移除一个特征。只能指定 removal_ratio 和 removal_count 中的一个。如果两者都没有指定，removal_ratio 默认为 0.1。
removal_count Optional[int]

每次迭代中移除的特征数量。值越小，结果越精确但成本越高。只能指定 removal_ratio 和 removal_count 中的一个。
variable_importance Optional[str]

用于驱动特征选择的变量重要性名称。应该是 model.variable_importances() 的一个键。如果为 None，则自动选择一个合理的变量重要性。
allow_structural_variable_importance bool

如果为 True，则可以使用结构变量重要性来驱动特征选择。如果为 False 且只有结构变量重要性可用，则会引发错误。
allow_model_self_evaluation_and_variable_importances bool

如果为 True，并且模型生成了自评估和相应的变量重要性，则直接使用这些值。如果为 False，则使用提供的验证数据集来评估和计算模型的变量重要性。

allow_model_self_evaluation_and_variable_importances class-attribute instance-attribute 

allow_model_self_evaluation_and_variable_importances: (
    bool
) = True

allow_structural_variable_importance class-attribute instance-attribute 

allow_structural_variable_importance: bool = False

maximize_objective class-attribute instance-attribute 

maximize_objective: Optional[bool] = None

objective_metric class-attribute instance-attribute 

objective_metric: Optional[str] = None

removal_count class-attribute instance-attribute 

removal_count: Optional[int] = None

removal_ratio class-attribute instance-attribute 

removal_ratio: Optional[float] = None

variable_importance class-attribute instance-attribute 

variable_importance: Optional[str] = None

get_objective_score 

get_objective_score(
    evaluation: Dict[str, Any],
) -> Tuple[float, str]

获取用于优化的指标得分。得分越高越好。

run 

run(
    learner: GenericLearner,
    ds: InputDataset,
    valid: Optional[InputDataset] = None,
    verbose: Optional[Union[int, bool]] = None,
) -> ModelType