LinearSVC功能选择

Question

当我尝试用我的数据运行以下代码时（来自本例）

X_new = LinearSVC(C=0.01, penalty="l1", dual=False).fit_transform(X, y)

我得到：

"Invalid threshold: all features are discarded"

我试着指定我自己的阈值：

clf = LinearSVC(C=0.01, penalty="l1", dual=False)
clf.fit(X,y)
X_new = clf.transform(X, threshold=my_threshold)

但我要么得到：

• 与X大小相同的数组X_new，只要my_threshold是之一

  • 'mean'
  • 'median'

• 或者"Invalid threshold"错误（例如，当将标量值传递到阈值时）

我不能发布整个矩阵X，但下面是一些数据的统计数据：

> X.shape 
Out: (29,312) 
> np.mean(X, axis=1)
Out: 
array([-0.30517191, -0.1147345 ,  0.03674294, -0.15926932, -0.05034101,
       -0.06357734, -0.08781186, -0.12865185,  0.14172452,  0.33640029,
        0.06778798, -0.00217696,  0.09097335, -0.17915627,  0.03701893,
       -0.1361117 ,  0.13132006,  0.14406628, -0.05081956,  0.20777349,
       -0.06028931,  0.03541849, -0.07100492,  0.05740661, -0.38585413,
        0.31837905,  0.14076042,  0.1182338 , -0.06903557])
> np.std(X, axis=1)                                               
Out: 
array([ 1.3267662 ,  0.75313658,  0.81796146,  0.79814621,  0.59175161,
        0.73149726,  0.8087903 ,  0.59901198,  1.13414141,  1.02433752,
        0.99884428,  1.11139231,  0.89254901,  1.92760784,  0.57181158,
        1.01322265,  0.66705546,  0.70248779,  1.17107696,  0.88254386,
        1.06930436,  0.91769016,  0.92915593,  0.84569395,  1.59371779,
        0.71257806,  0.94307434,  0.95083782,  0.88996455])
y = array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2,
           0, 0, 0, 0, 0, 0])

这就是scikit-learn 0.14的全部内容。

Answer 1

在尝试将SVM模型用作转换基础之前，应该首先分析它是否训练良好。您可能使用了太小的C参数，这导致sklearn训练一个琐碎的模型，从而删除所有特征。您可以通过对数据进行分类测试来检查它，或者至少打印找到的系数（clf.coef_）

运行grid search技术是一个好主意，以获得在泛化特性方面最好的C，然后将其用于转换。