我有一个包含 99,814 个条目的矩阵，其中包含评论及其各自的极性（正面或负面），我希望对语料库的术
我正在尝试获取回归模型的特征重要性。我有 58 个自变量和 1 个因变量。大多数自变量是数字的，有些
有没有办法根据 XGBoostmodel.get_score 输出的重要性自动从数据集中删除特征？
输出是作为字典给出的
首先，我知道使用 PCA 进行特征选择并不是一种真正的方法，但是，我发现了一些使用 PCA 进行特征选择
在<code>mutual_info_regression</code>预装<code>n_neighbors=3</code>
此代码适用于 <code>n_neighbors=3</code>：
<pre><code>se
我这里已经提到了一个奇怪的问题：<a href="https://stackoverflow.com/questions/58404743/linearsvc-feature-selection-returns
我是机器学习的新手，我接到了一项任务，要求我使用表示学习（例如堆叠式自动编码器）从具有连续
我正在做特征选择，在尝试了一个带有 L1 惩罚的逻辑分类器之后，我想尝试一个像 RF 这样的非线性分类
我是使用 MultiSURF 算法进行特征选择的新手。
我正在使用 skrebate 的 MultiSurf。
我有大约 6500 个
我无法在以 MultiOutputRegressor 结束的管道中使用 SelectKBest 进行特征选择（见下文，其中 pipe1 工作正常，
我想获得一个包含重要特征的数据框。使用下面的代码，我得到了 shap_values，但我不确定这些值是什么
我需要在我的数据集中使用信息增益特征选择方法。但是，有人告诉我，在拆分数据之前使用它会导致
我有不平衡的数据集，我应用 <code>RandomOverSampler</code> 来获得平衡的数据集。
<pre><code>oversample = RandomO
我想将卫星图像分类为土地覆盖分类。图像有 20 个波段和 7 个土地覆盖类别，我想使用散度分离指数进
尝试将特征选择应用于我的分类模型时出现错误。我认为这个错误很简单，很容易解决，但我不确定如
我正在尝试使用 Python 中的包装器方法使用 KNN 从我拥有的数据中实现简单的前向选择。
我的数据
<pre><code>import numpy as np
import pandas as pd
import seaborn as sns
from sklearn.linear_model import LinearRegression
from sklearn.datas
<pre><code>from imblearn.pipeline import Pipeline
from imblearn.over_sampling import SMOTE
smt = SMOTE(random_state=0)
pipeline_rf_smt_
我正在使用 AUCRF 来获取排名靠前的变量，我想根据 AUCRF 选择的特征构建分类器模型，但是每次在构建分
您好，我正在使用 Spyder 运行以下代码行。
<pre><code># importing libraries
import numpy as np
import matplotlib.pyplot
