Рекурсивная функция Устранение категориальных данных в sklearn?

Question

У меня есть набор данных, содержащий 8 параметров (4 непрерывных 4 категориальных), и я пытаюсь устранить функции в соответствии с классом RFEC в Scikit.

Это формула я использую:

svc = SVC(kernel="linear") 
rfecv = RFECV(estimator=svc, step=1, cv=StratifiedKFold(y, 2), 
      scoring='accuracy') 
rfecv.fit(X, y) 

Поскольку у меня есть категорические данные также, я изменил его фиктивной переменной с помощью dmatrics (Пэтси).

Я хочу попробовать различные модели классификации по данным после выбора функции, чтобы улучшить модель вместе с SVC.

Я запустил RFE после преобразования данных, и я думаю, что делаю неправильно.
Выполняем ли мы RFECV перед преобразованием категориальных данных или после?

Я не могу найти четкое указание в любом документе.

Answer 1

Это зависит от того, хотите ли вы выбрать заданные значения его категориальной переменной или всей переменной. В настоящее время вы выбираете одиночные настройки (аналогичные уровни) категориальной переменной. Чтобы выбрать все переменные, вам, вероятно, нужно будет немного взломать, указав собственную оценку на основе SVC. Вы можете сделать make_pipeline(OneHotEncoder(categorical_features), SVC()), но тогда вам нужно установить coef_ конвейера на то, что отражает форму ввода.