Selezione delle funzionalità utilizzando le importazioni delle funzionalità in foreste casuali con scikit-learn

Ho tracciato l'importanza delle funzionalità in foreste casuali con scikit-learn . Al fine di migliorare la previsione utilizzando foreste casuali, come posso utilizzare le informazioni sulla trama per rimuovere le funzionalità? Vale a dire come individuare se una funzione è inutile o, se non peggio, diminuisce le prestazioni delle foreste casuali, in base alle informazioni sulla trama? La trama si basa sull'attributo feature_importances_e io uso il classificatore sklearn.ensemble.RandomForestClassifier.

Sono consapevole che esistono altre tecniche per la selezione delle funzionalità , ma in questa domanda voglio concentrarmi su come utilizzare le funzionalità feature_importances_.

Esempi di tali grafici di importanza delle funzioni:

È possibile semplicemente utilizzare l' feature_importances_attributo per selezionare le funzionalità con il punteggio di massima importanza. Ad esempio, è possibile utilizzare la seguente funzione per selezionare le migliori caratteristiche K in base all'importanza.

def selectKImportance(model, X, k=5):
     return X[:,model.feature_importances_.argsort()[::-1][:k]]

O se stai usando una pipeline la seguente classe

class ImportanceSelect(BaseEstimator, TransformerMixin):
    def __init__(self, model, n=1):
         self.model = model
         self.n = n
    def fit(self, *args, **kwargs):
         self.model.fit(*args, **kwargs)
         return self
    def transform(self, X):
         return X[:,self.model.feature_importances_.argsort()[::-1][:self.n]]

Quindi per esempio:

>>> from sklearn.datasets import load_iris
>>> from sklearn.ensemble import RandomForestClassifier
>>> iris = load_iris()
>>> X = iris.data
>>> y = iris.target
>>> 
>>> model = RandomForestClassifier()
>>> model.fit(X,y)
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1,
            oob_score=False, random_state=None, verbose=0,
            warm_start=False)
>>> 
>>> newX = selectKImportance(model,X,2)
>>> newX.shape
(150, 2)
>>> X.shape
(150, 4)

E chiaramente se si desidera selezionare in base ad altri criteri oltre alle "funzionalità k principali", è possibile regolare le funzioni di conseguenza.