RFECV 中的准确度值完全相同

如何解决RFECV 中的准确度值完全相同

我正在尝试使用 RFECV 进行逻辑回归。这是我的代码：

log_reg = LogisticRegression(solver = "lbfgs",max_iter = 1000)
random.seed(4711)
rfecv = RFECV(estimator = log_reg,scoring = "accuracy",cv = 10)

Model = rfecv.fit(X_train,y_train)

我不认为我的数据或我的代码有任何问题，但对于几乎每个不同的特征大小值，准确度都完全相同：

Model.grid_scores_
array([0.76200776,0.76200776,0.76556425,0.80968999,0.80962074])

怎么会这样？我的数据相当大（超过 20000 个观察值）。我无法想象在交叉验证的每一层中，相同的情况都被正确估计。但如果是这样，这怎么会发生呢？ 1 个变量可以解释多达 19 个，但不如 20 个？那为什么不拿第一个和第20个呢？我真的很困惑。

解决方法

我相信你所有的准确度都是一样的，因为 LogisticRegression 默认使用 L2 正则化。也就是说，penalty='l2' 除非您传递其他内容。

这意味着即使 Model 使用了所有 22 个特征，底层算法 log_reg 也会使用 L2 正则化来惩罚 beta 系数。所以如果你修剪最不重要的特征，它不会影响准确率，因为具有 22 个特征的底层 logit 模型已经将最不重要的特征的系数推到接近于零。

我建议你试试：

# Model with no penalty
log_reg = LogisticRegression(solver='lbfgs',max_iter=1000,penalty='none')

# Set seed
random.seed(4711)

# Initialize same search as before
rfecv = RFECV(estimator=log_reg,scoring='accuracy',cv=10)

# Fit search
rfecv.fit(X_train,y_train)

# Tell us how it went
rfecv.grid_scores_