scikit-learn:获取预测数据的选定特征

Question

我有一组训练数据。用于创建模型的 python 脚本还将属性计算成一个 numpy 数组（它是一个位向量）。然后我想使用 VarianceThreshold 来消除方差为 0 的所有特征（例如，所有 0 或 1）。然后我运行get_support(indices=True)以获取选择列的索引。

我现在的问题是如何仅为我想要预测的数据获取所选特征。我首先计算所有特征，然后使用数组索引，但它不起作用：

x_predict_all = getAllFeatures(suppl_predict)
x_predict = x_predict_all[indices] #only selected features

索引是一个 numpy 数组。

返回的数组x_predict具有正确的长度len(x_predict)但形状错误x_predict.shape[1]仍然是原始长度。然后，我的分类器由于形状错误而抛出错误

prediction = gbc.predict(x_predict)
  File "C:Python27libsite-packagessklearnensemblegradient_boosting.py", li
ne 1032, in _init_decision_function
    self.n_features, X.shape[1]))
ValueError: X.shape[1] should be 1855, not 2090.

如何解决此问题？

Answer 1

你可以

这样做：

测试数据

from sklearn.feature_selection import VarianceThreshold
X = np.array([[0, 2, 0, 3], 
              [0, 1, 4, 3],  
              [0, 1, 1, 3]])
selector = VarianceThreshold()

备选案文1

>>> selector.fit(X)
>>> idxs = selector.get_support(indices=True)
>>> X[:, idxs]
array([[2, 0],
       [1, 4],
       [1, 1]])

备选案文2

>>> selector.fit_transform(X)
array([[2, 0],
       [1, 4],
       [1, 1]])