1

scikit-learn を使用した回帰問題に Recursive Feature Elimination のようなラッパー メソッドを適用したいと考えています。相互検証を使用した再帰的な機能の除去は、機能の数を自動的に調整する方法についての良い概要を提供します。

私はこれを試しました：

modelX = LogisticRegression()
rfecv = RFECV(estimator=modelX, step=1, scoring='mean_absolute_error')
rfecv.fit(df_normdf, y_train)
print("Optimal number of features : %d" % rfecv.n_features_)

# Plot number of features VS. cross-validation scores
plt.figure()
plt.xlabel("Number of features selected")
plt.ylabel("Cross validation score (nb of correct classifications)")
plt.plot(range(1, len(rfecv.grid_scores_) + 1), rfecv.grid_scores_)
plt.show()`

しかし、次のようなエラーメッセージが表示されます

`The least populated class in y has only 1 members, which is too few. 
The minimum number of labels for any class cannot be less than n_folds=3. % (min_labels, self.n_folds)), Warning)

警告は分類の問題があるように聞こえますが、私のタスクは回帰の問題です。結果を得るにはどうすればよいですか?何が問題なのですか?

4

1 に答える 1

1

何が起こったかは次のとおりです。

デフォルトでは、折り畳みの数がユーザーによって指定されていない場合、 のCross-Validationはクロス検証をRFE使用し3-foldます。ここまでは順調ですね。

ただし、ドキュメントStartifiedKFoldを見ると、各クラスのサンプルのパーセンテージを保持することで折り畳みが確実に作成されるようにするためにも使用されます。したがって、（エラーによると）出力の一部の要素yが一意であると思われるため、それらを同時に 3 つの異なる折り畳みにすることはできません。エラーが発生します。

エラーはここから来ます。

次に、層化されていない K-fold : を使用する必要がありますKFold。

のドキュメントにRFECVは、次のように記載されています。 "If the estimator is a classifier or if y is neither binary nor multiclass, sklearn.model_selection.KFold is used."

于 2016-11-16T13:26:22.500 に答える