Selección de características mediante la importación de características en bosques aleatorios con scikit-learn

He trazado las características importantes en bosques aleatorios con scikit-learn . Para mejorar la predicción utilizando bosques aleatorios, ¿cómo puedo usar la información de la parcela para eliminar características? Es decir, ¿cómo detectar si una característica es inútil o incluso peor, la disminución del rendimiento de los bosques al azar, según la información de la parcela? La trama se basa en el atributo feature_importances_y yo uso el clasificador sklearn.ensemble.RandomForestClassifier.

Soy consciente de que existen otras técnicas para la selección de funciones , pero en esta pregunta quiero centrarme en cómo usar las funciones feature_importances_.

Ejemplos de tales gráficos de importancia de características:

Simplemente puede usar el feature_importances_atributo para seleccionar las características con el puntaje de mayor importancia. Entonces, por ejemplo, podría usar la siguiente función para seleccionar las mejores características de K según su importancia.

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

O si está utilizando una tubería de la siguiente clase

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]]

Así por ejemplo:

>>> 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)

Y, claramente, si desea seleccionar en función de otros criterios que no sean "características principales", puede ajustar las funciones en consecuencia.