Sklearn TruncatedSVDオブジェクトからフィーチャ名を取得するにはどうすればよいですか？

Question

私は私がfittedから列名を取得しますどのように次のコード

import pandas as pd 
import numpy as np 
from sklearn.decomposition import TruncatedSVD 
df = df = pd.DataFrame(np.random.randn(1000, 25), index=dates, columns=list('ABCDEFGHIJKLMOPQRSTUVWXYZ')) 

def reduce(dim): 
    svd = sklearn.decomposition.TruncatedSVD(n_components=dim, n_iter=7, random_state=42) 
    return svd.fit(df) 

fitted = reduce(5) 

がありますか？

Answer 1

fittedカラム名はSVDディメンションになります。

各次元は入力フィーチャの線形結合です。特定の次元が何を意味するのかを理解するには、配列svd.components_を見てください - それは係数の行列を含んでいます。少し変更

あなたの元の例、：

import pandas as pd 
import numpy as np 
from sklearn.decomposition import TruncatedSVD 

feature_names = list('ABCDEF') 
df = pd.DataFrame(
    np.random.randn(1000, len(feature_names)), 
    columns=feature_names 
) 

def reduce(dim): 
    svd = TruncatedSVD(n_components=dim, n_iter=7, random_state=42) 
    return svd.fit(df) 

svd = reduce(3) 

次に、あなたがより読みやすいSVD次元名を取得するためにそのような何かを行うことができます - さんは、0番目の次元のためにそれを計算してみましょう：

" ".join([ 
    "%+0.3f*%s" % (coef, feat) 
    for coef, feat in zip(svd.components_[0], feature_names) 
]) 

それは示してい+0.170*A -0.564*B -0.118*C +0.367*D +0.528*E +0.475*F - これはこの場合、0番目のSVDディメンションに使用できる「フィーチャ名」です（係数はデータに依存するため、フィーチャ名もデータに依存します）。

入力ディメンションの数が多い場合は、「精度」を検査可能性と交換することができます。係数をソートし、それらのいくつかの頂点のみを使用します。 https://github.com/TeamHG-Memex/eli5/pull/208にもっと詳細な例があります（免責事項：私はeli5のメンテナーの1人です;プルリクエストは私ではありません）。

Answer 2

ミハイルポストの続き。

は、すでにvectorizer.get_feature_names()からfeature_namesを持っていると仮定し、その後、あなたは今、あなたはまた、次のコードを使用してソートされた最高の機能名を抽出することができますsvd.fit(X)

と呼ばれています、上記のコード

best_fearures = [feature_names[i] for i in svd.components_[0].argsort()[::-1]] 

を降順ソートの戻り値を返して、feature_names（すべての機能）から相対インデックスを見つけ、best_featuresの配列を構築してください。 次に、10個の最高の機能を確認できます。

In[21]: best_features[:10] 

Out[21]: 
['manag', 
'develop', 
'busi', 
'solut', 
'initi', 
'enterprise', 
'project', 
'program', 
'process', 
'plan']