Scikit-learn은 실제로 단계적 회귀를 지원하지 않습니다. 일반적으로 '단계별 회귀'라고 알려진 것은 선형 회귀 계수의 p- 값에 기반한 알고리즘이기 때문에 scikit-learn은 모델 학습에 대한 추론 적 접근 (의 의성 테스트 등)을 의도적으로 피하기 때문입니다. 더욱이 순수한 OLS는 수많은 회귀 알고리즘 중 하나 일 뿐이며, scikit-learn 관점에서는 그다지 중요하지도 않고 최고도 아닙니다.
그러나 선형 모델을 사용하여 피쳐를 선택하는 데 여전히 좋은 방법이 필요한 사람들을위한 몇 가지 조언이 있습니다.
ElasticNet또는 과 같은 희소 모델을 사용하십시오 Lasso.- 로 기능을 정규화
StandardScaler한 다음 바로 기능을 주문하십시오 model.coef_. 완전 독립 공변량의 경우 p- 값으로 정렬하는 것과 같습니다. 수업 sklearn.feature_selection.RFE은 귀하를 대신 RFECV하여 최적의 기능 수를 평가할 것입니다.
- 와 함께 작동 하는 조정 된 로 순방향 선택 구현 을 사용하십시오 .R2
statsmodels
- 교차 검증에서 선호하는 메트릭을 최대화하려면 무차별 강제 전진 또는 후진 선택을 수행하십시오 (공변량의 수에 약 2 차 시간이 걸릴 수 있음). scikit-learn 호환
mlxtend패키지 는 모든 추정기 및 메트릭에 대해이 접근 방식을 지원합니다 .
- 바닐라 단계적 회귀를 계속 원하면
statsmodels이 패키지가 p- 값을 계산하므로이를 기반으로하는 것이 더 쉽습니다 . 기본적인 전진 후진 선택은 다음과 같습니다.
```
from sklearn.datasets import load_boston
import pandas as pd
import numpy as np
import statsmodels.api as sm
data = load_boston()
X = pd.DataFrame(data.data, columns=data.feature_names)
y = data.target
def stepwise_selection(X, y,
initial_list=[],
threshold_in=0.01,
threshold_out = 0.05,
verbose=True):
""" Perform a forward-backward feature selection
based on p-value from statsmodels.api.OLS
Arguments:
X - pandas.DataFrame with candidate features
y - list-like with the target
initial_list - list of features to start with (column names of X)
threshold_in - include a feature if its p-value < threshold_in
threshold_out - exclude a feature if its p-value > threshold_out
verbose - whether to print the sequence of inclusions and exclusions
Returns: list of selected features
Always set threshold_in < threshold_out to avoid infinite looping.
See https://en.wikipedia.org/wiki/Stepwise_regression for the details
"""
included = list(initial_list)
while True:
changed=False
# forward step
excluded = list(set(X.columns)-set(included))
new_pval = pd.Series(index=excluded)
for new_column in excluded:
model = sm.OLS(y, sm.add_constant(pd.DataFrame(X[included+[new_column]]))).fit()
new_pval[new_column] = model.pvalues[new_column]
best_pval = new_pval.min()
if best_pval < threshold_in:
best_feature = new_pval.argmin()
included.append(best_feature)
changed=True
if verbose:
print('Add {:30} with p-value {:.6}'.format(best_feature, best_pval))
# backward step
model = sm.OLS(y, sm.add_constant(pd.DataFrame(X[included]))).fit()
# use all coefs except intercept
pvalues = model.pvalues.iloc[1:]
worst_pval = pvalues.max() # null if pvalues is empty
if worst_pval > threshold_out:
changed=True
worst_feature = pvalues.argmax()
included.remove(worst_feature)
if verbose:
print('Drop {:30} with p-value {:.6}'.format(worst_feature, worst_pval))
if not changed:
break
return included
result = stepwise_selection(X, y)
print('resulting features:')
print(result)
이 예제는 다음 출력을 인쇄합니다.
Add LSTAT with p-value 5.0811e-88
Add RM with p-value 3.47226e-27
Add PTRATIO with p-value 1.64466e-14
Add DIS with p-value 1.66847e-05
Add NOX with p-value 5.48815e-08
Add CHAS with p-value 0.000265473
Add B with p-value 0.000771946
Add ZN with p-value 0.00465162
resulting features:
['LSTAT', 'RM', 'PTRATIO', 'DIS', 'NOX', 'CHAS', 'B', 'ZN']