Implementieren von Funktionsauswahl

Question

Ein Problem, auf das ich stieß, wenn Sie mit einem Feature ausgewählte Datensatz vorhersagen, ist, dass, wenn Sie bestimmte Funktionen ausgewählt haben, wenn Sie auf dem Testdatensatz vorhersagen, die Testdatensatzfunktionen nicht ausgerichtet werden weil der Trainingsdatensatz aufgrund der Merkmalauswahl weniger Merkmale hätte. Wie implementieren Sie die Merkmalauswahl ordnungsgemäß, sodass der Testdatensatz die gleichen Merkmale wie der Trainingsdatensatz aufweist?

Beispiel:

from sklearn.datasets import load_iris 
from sklearn.feature_selection import SelectKBest 
from sklearn.feature_selection import chi2 
iris = load_iris() 
X, y = iris.data, iris.target 
X.shape 
(150, 4) 
X_new = SelectKBest(chi2, k=2).fit_transform(X, y) 
X_new.shape 
(150, 2) 

Answer 1

Sie haben Ihre Prüfung zu setzen, um transform ... Und nicht Verwendung fit_transform, aber nur transform. Hierfür müssen Sie Ihr SelectKBest Objekt speichern, so etwas in der Art von:

selector = SelectKBest(chi2, k=2) 
X_train_clean = selector.fit_transform(X_train, y_train) 
X_test_clean = selector.transform(X_test) 

Answer 2

Ich glaube, Sie feature_selector Objekt erstellen möchten, indem sie mit SelectKBest ersten Einpassen und dann transform Ihre Testdaten. Wie so:

feature_selector = SelectKBest(chi2, k=2).fit(X_train, y) 
X_train_pruned = feature_selector.transform(X_train) 
X_test_pruned = feature_selector.transform(X_test)