Я хочу построить классификатор, который использует перекрестную проверку, а затем извлечь важные характеристики (/ коэффициенты) из каждого сгиба, чтобы я мог посмотреть на их стабильность.На данный момент я использую cross_validate и конвейер.Я хочу использовать конвейер, чтобы я мог выбирать и стандартизировать функции в каждом сгибе.Я застрял на том, как извлечь функции из каждого сгиба.У меня есть другой вариант использования конвейера ниже, если это проблема.
Пока это мой код (я хочу попробовать SVM
и логистическую регрессию).Я включил небольшой df в качестве примера:
from sklearn.preprocessing import StandardScaler
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import mutual_info_classif
from sklearn.model_selection import cross_validate
from sklearn.model_selection import KFold
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
import pandas as pd
df = pd.DataFrame({'length': [5, 8, 0.2, 10, 25, 3.2],
'width': [60, 102, 80.5, 30, 52, 81],
'group': [1, 0, 0, 0, 1, 1]})
array = df.values
y = array[:,2]
X = array[:,0:2]
select = SelectKBest(mutual_info_classif, k=2)
scl = StandardScaler()
svm = SVC(kernel='linear', probability=True, random_state=42)
logr = LogisticRegression(random_state=42)
pipeline = Pipeline([('select', select), ('scale', scl), ('svm', svm)])
split = KFold(n_splits=2, shuffle=True, random_state=42)
output = cross_validate(pipeline, X, y, cv=split,
scoring = ('accuracy', 'f1', 'roc_auc'),
return_estimator = True,
return_train_score= True)
Я думал, что мог бы сделать что-то вроде:
pipeline.named_steps['svm'].coef_
, но я получаю сообщение об ошибке:
AttributeError: 'SVC' object has no attribute 'dual_coef_'
Если это невозможно сделать с помощью конвейера, могу ли я сделать это с помощью перекрестной проверки «вручную»?Например:
for train_index, test_index in kfold.split(X, y):
kfoldtx = [X[i] for i in train_index]
kfoldty = [y[i] for i in train_index]
Но я не уверен, что делать дальше!Любая помощь будет принята с благодарностью.