使用LinearSVC进行特征选择

Question

当我尝试使用我的数据运行以下代码（来自这个例子）时：

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

I get:

"Invalid threshold: all features are discarded"

我尝试指定自己的阈值：

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

但是我要么得到：

• 一个与 X 大小相同的数组 X_new，当 my_threshold 是以下之一时：

  • 'mean'
  • 'median'

• 或者出现 "Invalid threshold" 错误（例如，在将标量值传递给阈值时）

我不能发布整个矩阵 X，但以下是数据的一些统计信息：

> 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])

这全部都是基于scikit-learn 0.14的IT技术相关内容。

- Josh

---

阈值基于 clf.coef_。你能发一下吗？ - joeln

Answer 1

在将SVM模型用作转换基础之前，您应该首先分析其是否训练良好。可能您正在使用过小的C参数，这会导致sklearn训练一个微不足道的模型，从而导致所有特征被删除。您可以通过对数据执行分类测试或至少打印找到的系数（clf.coef_）来检查它。

运行网格搜索技术以获取具有泛化属性的最佳C，然后将其用于转换是一个好主意。

- lejlot