使用 scikit-learn 在 RFECV 中缩放数据

Question

在训练和预测分类任务的进度之前，通常会分别缩放训练和测试数据。

我想将上述过程嵌入到运行 CV 测试RFECV中，因此我尝试了以下内容：

做 首先X_scaled = preprocessing.scale(X)，其中X是整个数据集。这样，训练和测试数据不会单独缩放，这不会被考虑在内。

我尝试的另一种方法是通过：

scaling_svm = Pipeline([('scaler', preprocessing.StandardScaler()),
                        ('svm',LinearSVC(penalty=penalty, dual=False, class_weight='auto'))])

作为 RFECV 中参数的参数：

rfecv = RFECV(estimator=scaling_svm, step=1, cv=StratifiedKFold(y, 7),
                  scoring=score, verbose=0)

但是，我收到一个错误，因为RFECV需要estimator具有属性.coef_。我应该怎么做？任何帮助将不胜感激。

Answer 1

诚

然，派对有点晚了，但如果有人感兴趣，您可以创建一个自定义管道，如下所示：

from sklearn.pipeline import Pipeline
class RfePipeline(Pipeline):
    @property
    def coef_(self):
        return self._final_estimator.coef_

然后在代码中将Pipeline替换为RfePipeline。

在这里看到类似的问题。