Использует ли сравнение элементов F-regression
то же самое, что и сопоставление элементов с меткой по отдельности и соблюдение значения ?
Я часто видел, как мои коллеги использовали F regression
для выбора функций в своем конвейере машинного обучения из sklearn
:
sklearn.feature_selection.SelectKBest(score_func=sklearn.feature_selection.f_regression...)`
Некоторые, пожалуйста, скажите мне - почему это дает те же результаты, что и просто корреляция с меткой / зависимой переменной?
Мне не понятно преимущество использования F_regression
при выборе функции.
Вот мой код: я использую mtcars
набор данных из R
:
import pandas as pd
import numpy as np
from sklearn import feature_selection
from sklearn.linear_model import LinearRegression
#....load mtcars dataset into a pandas dataframe called "df", not shown here for conciseness
# only using these numerical columns as features ['mpg', 'disp', 'drat', 'wt']
# using this column as the label: ['qsec']
model = feature_selection.SelectKBest(score_func=feature_selection.f_regression,\
k=4)
results = model.fit(df[columns], df['qsec'])
print results.scores_
print results.pvalues_
# Using just correlation coefficient:
columns = ['mpg', 'disp', 'drat', 'wt']
for col in columns:
lm = LinearRegression(fit_intercept=True)
lm.fit(df[[col]], df['qsec'])
print lm.score(df[[col]], df['qsec'])
Как и предполагалось, рейтинг функций точно такой же:
scores using f_regression:
[ 6.376702 6.95008354 0.25164249 0.94460378]
scores using coefficient of determination:
0.175296320261
0.18809385182
0.00831830818303
0.0305256382746
Как видите, вторая функция имеет самый высокий рейтинг, первая функция - вторая, четвертая функция - третья, а третья функция - последняя, в обоих случаях.
Был ли когда-нибудь случай, когда F_regression
он давал бы разные результаты или каким-то образом оценивал бы функции по-другому?
РЕДАКТИРОВАТЬ: Подводя итог, я хотел бы знать, дают ли эти два рейтинга функций когда-либо разные результаты:
1) ранжирование функций по их F-статистике при регрессии их с результатами по отдельности (это то, что делает sklearn) И,
2) ранжирование элементов по их R-квадрату при регрессии их с результатом, опять же индивидуально.
sklearn
называет это F-регрессией, которая, возможно, немного вводит в заблуждение, поскольку на самом деле это тест. scikit-learn.org/stable/modules/generated/…