स्किकिट-लर्न वास्तव में स्टेप वाइज रिग्रेशन का समर्थन नहीं करता है। ऐसा इसलिए है क्योंकि आमतौर पर जिसे 'स्टेप वाइज रिग्रेशन' के रूप में जाना जाता है, वह लीनियर रिग्रेशन के गुणांकों के पी-मूल्यों पर आधारित एक एल्गोरिथ्म है, और स्किकिट-लर्न जानबूझकर मॉडल लर्निंग (महत्व परीक्षण आदि) के लिए हीन दृष्टिकोण से बचा जाता है। इसके अलावा, शुद्ध ओएलएस केवल कई प्रतिगमन एल्गोरिदम में से एक है, और दृश्य-सीखने के दृष्टिकोण से यह न तो बहुत महत्वपूर्ण है, और न ही सर्वश्रेष्ठ में से एक है।
हालांकि, उन लोगों के लिए सलाह के कुछ टुकड़े हैं जिन्हें अभी भी रैखिक मॉडल के साथ सुविधा चयन के लिए एक अच्छे तरीके की आवश्यकता है:
ElasticNetया जैसे स्वाभाविक रूप से विरल मॉडल का उपयोग करें Lasso।- के साथ अपनी सुविधाओं को सामान्य करें
StandardScaler, और फिर बस अपनी सुविधाओं को ऑर्डर करें model.coef_। पूरी तरह से स्वतंत्र covariates के लिए यह पी-मूल्यों द्वारा छँटाई के बराबर है। वर्ग sklearn.feature_selection.RFEइसे आपके लिए RFECVकरेगा , और सुविधाओं की अधिकतम संख्या का मूल्यांकन भी करेगा।
- आर2
statsmodels
- क्रॉस-वेलिडेशन पर अपने पसंदीदा मीट्रिक को अधिकतम करने के लिए ब्रूट-फोर्स को आगे या पीछे के चयन के लिए करें (यह कोवरिएट की संख्या में लगभग द्विघात समय ले सकता है)। एक स्कोर-लर्न संगत
mlxtendपैकेज किसी भी अनुमानक और किसी भी मीट्रिक के लिए इस दृष्टिकोण का समर्थन करता है ।
- यदि आप अभी भी वैनिला स्टेप वाइज रिग्रेशन चाहते हैं, तो इसे आधार बनाना आसान है
statsmodels, क्योंकि यह पैकेज आपके लिए पी-वैल्यू की गणना करता है। एक बुनियादी आगे-पिछड़े चयन इस तरह दिख सकता है:
`` `
from sklearn.datasets import load_boston
import pandas as pd
import numpy as np
import statsmodels.api as sm
data = load_boston()
X = pd.DataFrame(data.data, columns=data.feature_names)
y = data.target
def stepwise_selection(X, y,
initial_list=[],
threshold_in=0.01,
threshold_out = 0.05,
verbose=True):
""" Perform a forward-backward feature selection
based on p-value from statsmodels.api.OLS
Arguments:
X - pandas.DataFrame with candidate features
y - list-like with the target
initial_list - list of features to start with (column names of X)
threshold_in - include a feature if its p-value < threshold_in
threshold_out - exclude a feature if its p-value > threshold_out
verbose - whether to print the sequence of inclusions and exclusions
Returns: list of selected features
Always set threshold_in < threshold_out to avoid infinite looping.
See https://en.wikipedia.org/wiki/Stepwise_regression for the details
"""
included = list(initial_list)
while True:
changed=False
# forward step
excluded = list(set(X.columns)-set(included))
new_pval = pd.Series(index=excluded)
for new_column in excluded:
model = sm.OLS(y, sm.add_constant(pd.DataFrame(X[included+[new_column]]))).fit()
new_pval[new_column] = model.pvalues[new_column]
best_pval = new_pval.min()
if best_pval < threshold_in:
best_feature = new_pval.argmin()
included.append(best_feature)
changed=True
if verbose:
print('Add {:30} with p-value {:.6}'.format(best_feature, best_pval))
# backward step
model = sm.OLS(y, sm.add_constant(pd.DataFrame(X[included]))).fit()
# use all coefs except intercept
pvalues = model.pvalues.iloc[1:]
worst_pval = pvalues.max() # null if pvalues is empty
if worst_pval > threshold_out:
changed=True
worst_feature = pvalues.argmax()
included.remove(worst_feature)
if verbose:
print('Drop {:30} with p-value {:.6}'.format(worst_feature, worst_pval))
if not changed:
break
return included
result = stepwise_selection(X, y)
print('resulting features:')
print(result)
यह उदाहरण निम्नलिखित आउटपुट को प्रिंट करेगा:
Add LSTAT with p-value 5.0811e-88
Add RM with p-value 3.47226e-27
Add PTRATIO with p-value 1.64466e-14
Add DIS with p-value 1.66847e-05
Add NOX with p-value 5.48815e-08
Add CHAS with p-value 0.000265473
Add B with p-value 0.000771946
Add ZN with p-value 0.00465162
resulting features:
['LSTAT', 'RM', 'PTRATIO', 'DIS', 'NOX', 'CHAS', 'B', 'ZN']