load_digits
取得內建的數字辨識資料RFE
疊代方式刪去相對不具有目標影響力的特徵.RFE
以排除最不具目標影響力的特徵,做特徵的影響力排序。並且將訓練用的特徵挑選至n_features_to_select
所給定的特徵數。因為要看每一個特徵的影響力排序,所以我們將n_features_to_select
設定為1,一般會根據你所知道的具有影響力特徵數目來設定該參數。而step
代表每次刪除較不具影響力的特徵數目,因為本範例要觀察每個特徵的影響力排序,所以也是設定為1。若在實際應用時,特徵的數目較大,可以考慮將step
的參數設高一點。ranking_
來看輸入的特徵權重關係。而方法estimator_
可以取得訓練好的分類機狀態。比較特別的是當我們核函數是以線性來做分類時,estimator_
下的方法coef_
即為特徵的分類權重矩陣。權重矩陣的大小會因為n_features_to_select
與資料的分類類別而改變,譬如本範例是十個數字的分類,並選擇以一個特徵來做分類訓練,就會得到45*1的係數矩陣,其中45是從分類類別所需要的判斷式而來,與巴斯卡三角形的第三層數正比。