machine-learning - 回归模型的特征显着性检验,例如 Lasso
问题描述
我不是在这里谈论功能选择。想象一下,你已经选择了你的模型(任何回归模型)和你的特征并且对你所拥有的感到满意,并且你想做回归。在进行回归之后,您希望对您的特征进行显着性测试,以查看哪个特征在您的回归模型中总体上更重要。
据我所知,Scikit-Learn/Tensorflow 中没有用于执行此操作的命令,对于任何回归模型,如果您知道,请纠正我。仅对于随机森林,您可以获得如下:
regr_rf = RandomForestRegressor(n_estimators=10, max_depth=max_depth, random_state=10)
regr_rf.fit(X_train, Y_train)
importances = list(regr_rf.feature_importances_)
print("features importance is", importance)
那么对于其他回归模型手动执行此操作的最佳方法是什么?想要一个接一个地删除功能并成为一种方法吗?
解决方案
推荐阅读
- angular - 删除购物车角度 10 中的特定项目
- html - 选中的复选框不起作用。HTML CSS
- reactjs - 状态触发时的 useEffect 清理
- javascript - Discord 机器人发布多个结果
- bash - 如何使用 AWK 和 ffmpeg 提取时间码
- javascript - 如何再次调用javascript中的函数?
- javascript - 按顺序进行异步调用并在错误时重复
- r - 根据 R 中的列值字符串将数据帧拆分为两个子数据帧
- python-3.x - 如何获取运算符类型并将公式应用于熊猫数据框
- c# - 如何将对象变量发送到由 BackgroundWorker 实例调用 dowork 的方法中?