Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
插入符 rfe + sum 与 ROC 中的特征选择
我一直在尝试使用插入符包应用递归功能选择 我需要的是 ref 使用 AUC 作为性能衡量标准 经过一个月的谷歌搜索后 我无法让该过程正常运行 这是我使用过的代码 library caret library doMC registerDoMC
r
SVM
rcaret
AUC
rfe
从插入符递归特征消除 (rfe) 结果中检索选定的变量
在我的工作项目中 我使用 caret 包中的 rfe 函数来进行递归特征消除 我用一个玩具例子来说明我的观点 library mlbench library caret data PimaIndiansDiabetes rfFuncs su
r
rcaret
featureselection
rfe
获取 RFECV scikit-learn 中的功能
受此启发 http scikit learn org stable auto examples feature selection plot rfe with cross validation html sphx glr auto exam
python
scikitlearn
crossvalidation
rfe
R Caret 的 rfe [{ 中的错误:任务 1 失败 - “rfe 期望 184 个重要性值,但只有 2 个”]
我正在使用 Caret 的 rfe 进行回归应用程序 我的数据 在data table 有 176 个预测变量 包括 49 个因子预测变量 当我运行该函数时 出现以下错误 Error in task 1 failed rfe is expe
r
rcaret
featureselection
rfe
使用 Python 3 中的 Pipeline 获取 RFE 的支持和排名属性
到目前为止 我的代码如下 并且运行良好 但是 我想打印以下内容RFE每个测试特征的属性 rfe support i rfe ranking i 和所选功能的名称由于 i 指的是索引 因此第一个属性返回 True 或 False 如果列被选择
python3x
scikitlearn
pipeline
rfe
R rfe函数“caret”包错误:x和y中应该有相同数量的样本
当我尝试从 caret 包中获取 rfe 示例时here 我一直收到这个错误 Error in rfe default d 1 2901 c 1 1 1 1 1 1 2 2 2 3 3 3 there should be the same
r
rcaret
rfe