def fazer_selecao_features_rfe(modelo):
features = dados_completo.columns
rfe = RFECV(modelo, cv=kfold, scoring=scoring)
rfe.fit(dados_completo.drop(['classe'], axis=1),
dados_completo['classe'].values)
print(rfe.poof())
print("Caraterísticas ordenadas pelo rank RFE:")
print(sorted(zip(map(lambda x: round(x, 4), rfe.ranking_), features)))
ranking = sorted(zip(rfe.support_, features))
print("Características selecionadas", ranking)
return rfe.transform(dados_completo.drop(['classe'], axis=1))
def fazer_selecao_features_rfe():
features = X_treino.columns
rfe = RFECV(RandomForestClassifier(random_state=random_state,
oob_score=True),
cv=kfold,
scoring='accuracy')
rfe.fit(X_treino, Y_treino.values.ravel())
print(rfe.poof())
print("Caraterísticas ordenadas pelo rank RFE:")
print(sorted(zip(map(lambda x: round(x, 4), rfe.ranking_), features)))
ranking = sorted(zip(rfe.support_, features))
print("Características selecionadas", ranking)
return rfe.transform(X_treino)
def fazer_selecao_features_rfe():
features = X_treino.columns
rfe = RFECV(RandomForestClassifier(random_state=random_state,
oob_score=True,
n_estimators=250,
criterion='entropy',
max_depth=75,
max_features='log2',
min_samples_leaf=1,
min_samples_split=2),
cv=kfold,
scoring='accuracy')
rfe.fit(X_treino, Y_treino.values.ravel())
print(rfe.poof())
print("Caraterísticas ordenadas pelo rank RFE:")
print(sorted(zip(map(lambda x: round(x, 4), rfe.ranking_), features)))
ranking = sorted(zip(rfe.support_, features))
print("Características selecionadas", ranking)
return rfe.transform(X_treino)