SciKit-Learnの機能選択パイプライン後の実際の機能へのアクセス

Question

SciKit-Learnのパイプラインと組み合わせて機能選択を使用します。機能選択戦略として、私はSelectKBestを使用します。私はcv.best_params_を経由して、その後最高のパラメータを得ることができることを知っている

select = SelectKBest(k=5) 
clf = SVC(decision_function_shape='ovo') 
    parameters = dict(feature_selection__k=[1,2,3,4,5,6,7,8], 
       svc__C=[0.01, 0.1, 1], 
       svc__decision_function_shape=['ovo']) 
steps = [('feature_selection', select), 
       ('svc', clf)] 
pipeline = sklearn.pipeline.Pipeline(steps) 
cv = sklearn.grid_search.GridSearchCV(pipeline, param_grid=parameters) 
cv.fit(features_training, labels_training) 

：

パイプラインは、次のように作成され、実行されます。しかし、これはk=4が最適であることだけを伝えます。しかし、私はこれらの機能を知りたいですか？これはどうすればできますか？

Answer 1

たとえば、cv.best_estimator_.named_steps['feature_selection'].scores_を使用すると、すべての機能のスコアを取得できます。これにより、すべての機能のスコアが表示され、どの機能が選択されているかを確認することができます。同様に、pvaluesをcv.best_estimator_.named_steps['feature_selection'].pvalues_で取得することもできます。

EDIT

SelectKBestクラスのget_supportメソッドを使用することですこれを取得するためのより良い方法。これは形状のブール値の配列[# input features]を与え、その対応する機能が保持のために選択されている場合、要素はTrueです。これは次のようになります。

cv.best_estimator_.named_steps['feature_selection'].get_support()