使用BorutaPy进行特征选择并输出带标题的Pandas DataFrame

心靈之曲
发布: 2025-11-05 14:51:22
原创
123人浏览过

使用BorutaPy进行特征选择并输出带标题的Pandas DataFrame

本教程详细介绍了如何利用borutapy库进行稳健的特征选择,并将筛选后的特征及其原始列标题准确地重构为pandas dataframe。文章将提供两种主要方法:通过布尔掩码手动构建dataframe,以及利用borutapy新版本中`transform`方法的`return_df`参数直接获取带标题的dataframe,确保数据处理的便捷性和可读性。

引言:BorutaPy与特征选择

特征选择是机器学习流程中至关重要的一步,它有助于减少模型复杂度、提高泛化能力并加快训练速度。BorutaPy是一个基于随机森林的特征选择算法,它通过迭代地将原始特征与随机创建的“影子特征”进行比较,从而识别出所有相关特征。其独特的优势在于能够找到所有与目标变量具有统计学意义的特征,而不仅仅是那些“最佳”特征。

在BorutaPy完成特征选择后,通常需要将筛选出的特征重新组织成一个带有原始列标题的Pandas DataFrame,以便于后续的数据分析和模型构建。本文将详细介绍如何实现这一目标。

BorutaPy基础用法

首先,我们回顾一下BorutaPy进行特征选择的基本流程。这通常涉及初始化一个基线模型(如RandomForestRegressor),然后将其传递给BorutaPy实例进行训练。

import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from boruta import BorutaPy

# 假设 X 是特征DataFrame,y 是目标变量Series
# 为了演示,我们先创建一些示例数据
np.random.seed(42)
data_size = 100
X = pd.DataFrame(np.random.rand(data_size, 10), columns=[f'Feature_{i}' for i in range(10)])
# 假设 'Feature_0', 'Feature_2', 'Feature_5' 是相关特征
y = X['Feature_0'] * 2 + X['Feature_2'] * 3 - X['Feature_5'] * 0.5 + np.random.randn(data_size) * 0.1

# 初始化基线模型
model = RandomForestRegressor(n_estimators=100, max_depth=5, random_state=42)

# 初始化Boruta特征选择器
feat_selector = BorutaPy(
    verbose=2, # 详细输出模式
    estimator=model,
    n_estimators='auto',
    max_iter=50, # 迭代次数
    random_state=42,
)

# 训练Boruta。注意:BorutaPy的fit方法通常期望numpy数组作为输入
feat_selector.fit(X.values, y.values)

# 打印每个特征的支持度和排名
print("\n------Support and Ranking for each feature------\n")
for i in range(len(feat_selector.support_)):
    if feat_selector.support_[i]:
        print(f"Passes the test: {X.columns[i]} - Ranking: {feat_selector.ranking_[i]} ✔️")
    else:
        print(f"Doesn't pass the test: {X.columns[i]} - Ranking: {feat_selector.ranking_[i]} ❌")

# 获取筛选后的特征数组
X_filtered_array = feat_selector.transform(X.values)
登录后复制

feat_selector.support_是一个布尔数组,指示每个原始特征是否被BorutaPy选中。feat_selector.transform()方法返回一个包含所有被选特征的NumPy数组,但它不包含列标题信息。

将筛选结果重构为带标题的DataFrame

BorutaPy的transform方法默认返回一个NumPy数组,这在许多情况下是足够的。然而,为了保持数据的可读性和易用性,将其转换回带有原始列标题的Pandas DataFrame是更佳实践。下面介绍两种实现方法。

方法一:利用布尔掩码手动构建DataFrame

这是最通用且兼容所有BorutaPy版本的方法。feat_selector.support_属性是一个布尔数组,其长度与原始特征数量相同,True表示该特征被选中,False表示未被选中。我们可以利用这个布尔掩码来选择原始DataFrame的列标题,并结合transform方法的输出数据来构建新的DataFrame。

猫眼课题宝
猫眼课题宝

5分钟定创新选题,3步生成高质量标书!

猫眼课题宝 85
查看详情 猫眼课题宝
# 步骤1:获取被选中的特征列名
selected_feature_names = X.columns[feat_selector.support_]

# 步骤2:使用transform方法获取筛选后的特征数据(NumPy数组)
# 注意:transform方法也期望NumPy数组作为输入
X_filtered_data = feat_selector.transform(X.values)

# 步骤3:将数据和列名组合成一个新的Pandas DataFrame
X_filtered_df_method1 = pd.DataFrame(X_filtered_data, columns=selected_feature_names)

print("\n--- Method 1: Manually Constructed DataFrame ---")
print(X_filtered_df_method1.head())
print(f"Shape of X_filtered_df_method1: {X_filtered_df_method1.shape}")
登录后复制

解释:

  • X.columns[feat_selector.support_]:这行代码利用布尔索引从原始DataFrame X 的列名中筛选出所有被BorutaPy选中的特征名称。
  • pd.DataFrame(X_filtered_data, columns=selected_feature_names):pd.DataFrame构造函数接受数据(X_filtered_data)和列名列表(selected_feature_names),从而创建出一个结构完整、带有正确标题的DataFrame。

方法二:使用 return_df=True 参数 (推荐)

BorutaPy的最新版本(通常是boruta-py的master分支或较新发布的版本)在transform方法中引入了一个方便的return_df参数。当设置为True时,transform方法将直接返回一个带有正确列标题的Pandas DataFrame,极大地简化了操作。

# 注意:此方法要求BorutaPy库版本支持 `return_df=True` 参数。
# 建议通过 `pip install boruta-py --upgrade` 更新到最新版本。

try:
    # 尝试使用 return_df=True 参数
    X_filtered_df_method2 = feat_selector.transform(X, return_df=True)
    print("\n--- Method 2: Using return_df=True ---")
    print(X_filtered_df_method2.head())
    print(f"Shape of X_filtered_df_method2: {X_filtered_df_method2.shape}")
except TypeError as e:
    print(f"\n--- Method 2: Not available ---")
    print(f"Error: {e}. Your BorutaPy version might not support `return_df=True`.")
    print("Please consider updating BorutaPy (`pip install boruta-py --upgrade`) or use Method 1.")
登录后复制

注意事项:

  • 版本依赖: return_df=True 参数并非在所有BorutaPy版本中都可用。如果您的代码运行报错(通常是TypeError,提示transform方法没有return_df参数),则说明您的BorutaPy版本较旧。您可以通过pip install boruta-py --upgrade命令尝试更新库。
  • 输入类型: 当使用return_df=True时,transform方法可以直接接受Pandas DataFrame作为输入(X),而无需手动转换为NumPy数组(X.values)。这进一步简化了代码。

总结与最佳实践

将BorutaPy筛选后的特征重构为带标题的Pandas DataFrame是数据处理中常见的需求。

  • 对于所有BorutaPy版本,通过feat_selector.support_布尔掩码手动选择原始列名并结合feat_selector.transform(X.values)的输出来构建DataFrame是一种可靠的方法。
  • 对于最新版本的BorutaPy,推荐使用feat_selector.transform(X, return_df=True)。这种方法更加简洁高效,直接返回所需的DataFrame,减少了手动操作的复杂性。

在实际应用中,始终建议检查您所使用的库版本,以充分利用其提供的最新功能。如果return_df=True可用,它无疑是更优的选择。如果不可用,手动构建DataFrame的方法同样能够实现您的目标,并且兼容性更广。

以上就是使用BorutaPy进行特征选择并输出带标题的Pandas DataFrame的详细内容,更多请关注php中文网其它相关文章!

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号