在Scikit-learn中，有没有办法获取已使用模型的特征（属性）列表（或整个训练数据的表格）？我使用了一些预处理方法，如特征选择，我希望知道哪些特征被选中，哪些特征被移除。例如，我使用了随机森林分类器和递归特征消除方法。

回答：

选定特征的掩码存储在RFE对象的’_support’属性中。

查看文档：http://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.RFE.html#sklearn.feature_selection.RFE

以下是一个示例：

from sklearn.datasets import make_friedman1from sklearn.feature_selection import RFEfrom sklearn.svm import SVR# 加载数据集X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)estimator = SVR(kernel="linear")selector = RFE(estimator, 5, step=1)X_new = selector.fit_transform(X, y)print selector.support_ print selector.ranking_

将显示：

array([ True,  True,  True,  True,  True,      False, False, False, False, False], dtype=bool)array([1, 1, 1, 1, 1, 6, 4, 3, 2, 5]) 

请注意，如果你想在RFE模型中使用随机森林分类器，你会遇到以下错误：

AttributeError: 'RandomForestClassifier' object has no attribute 'coef_'

我在这个讨论中找到了一个解决方法：使用Scikit-learn对随机森林进行递归特征消除

你需要像这样重写RandomForestClassifier类：

class RandomForestClassifierWithCoef(RandomForestClassifier):    def fit(self, *args, **kwargs):        super(RandomForestClassifierWithCoef, self).fit(*args, **kwargs)        self.coef_ = self.feature_importances_

希望这对你有帮助 🙂