scikitlearn中递归特征消除（RFE）的排序与得分

Question

我试图理解如何读取RFECV中的grid_scores_和ranking_值。以下是文档中的主要示例：

from sklearn.datasets import make_friedman1
from sklearn.feature_selection import RFECV
from sklearn.svm import SVR
X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
estimator = SVR(kernel="linear")
selector = RFECV(estimator, step=1, cv=5)
selector = selector.fit(X, y)
selector.support_ 
array([ True,  True,  True,  True,  True,
        False, False, False, False, False], dtype=bool)

selector.ranking_
array([1, 1, 1, 1, 1, 6, 4, 3, 2, 5])

我该怎么读ranking_和grid_scores_？越低的排名值是否越好？（或者维切弗萨？）。之所以这么问，是因为我注意到，排名最高的功能通常在grid_scores_中得分最高。

然而，如果某物有一个ranking = 1不应该意味着它被列为组中最好的吗？。这也是文档says：

"Selected (i.e., estimated best) features are assigned rank 1"

但现在让我们看看下面的示例，使用一些实际数据：

> rfecv.grid_scores_[np.nonzero(rfecv.ranking_ == 1)[0]]
0.0

而排序值最高的特征得分最高。

> rfecv.grid_scores_[np.argmax(rfecv.ranking_ )]
0.997

注意，在上面的示例中，排名=1的特性得分最低

文档中的图：

关于这个问题，在文档中的this figure中，y轴读取"number of misclassifications"，但它正在绘制使用'accuracy'的grid_scores_（？）作为评分函数。标签不应该读y吗？（越高越好）而不是"number of misclassifications"（越低越好）

Answer 1

您是正确的，因为排名较低的值表示一个好的特性，并且grid_scores_属性中的高交叉验证分数也很好，但是您误解了grid_scores_中的值的含义。来自RFECV文档

grid_scores_

array of shape [n_subsets_of_features]

The cross-validation scores such that grid_scores_[i] corresponds to the CV score of the i-th subset of features.

因此grid_scores_值与特定特征不对应，它们是特征的子集的交叉验证错误度量。在这个例子中，具有5个特征的子集是信息量最大的集合，因为grid_scores_中的第5个值（包含5个最高级特征的SVR模型的CV值）是最大的。

您还应该注意，由于没有显式指定评分标准，因此使用的评分器是SVR的默认值，即R^2，而不是准确性（这仅对分类器有意义）。