我在文本分类任务中使用SelectFromModel结合MultinomialNB进行特征选择。

SelectFromModel(estimator=MultinomialNB(alpha=1.0))

SelectFromModel通过计算来确定特征的重要性：

但这不正是我想要的相反情况吗？因为高频特征会导致绝对值较低？

对于给定特定类别的特征重要性，已经有多个回答得很好的问题，但对于一般特征重要性还没有相关问题。

有没有办法使用SelectFromModel结合NB来确定特征重要性，或者其他方法更适合这个任务？

回答：

有一个称为递归特征消除与交叉验证的函数，也称为sklearn中的RFECV。它尝试根据特征的重要性递归地对特征进行排序，并执行交叉验证以获得指定估计器的最佳特征数量。你可以查看这里的示例以获取更多信息。

我不确定为什么SelectFromModel与NaiveBayes不兼容。如果我发现任何相关信息，我会更新这个回答。在此期间，你可以检查RFECV是否符合你的需求。