1 概述

1.1 数据挖掘的五大流程：

1. 获取数据
   
2. 数据预处理
   数据预处理是从数据中检测，纠正或删除损坏，不准确或不适用于模型的记录的过程可能面对的问题有：数据类型不同，比如有的是文字，有的是数字，有的含时间序列，有的连续，有的间断。也可能，数据的质量不行，有噪声，有异常，有缺失，数据出错，量纲不一，有重复，数据是偏态，数据量太大或太小。
   数据预处理的目的：让数据适应模型，匹配模型的需求
   
3. 特征工程：
   特征工程是将原始数据转换为更能代表预测模型的潜在问题的特征的过程，可以通过挑选最相关的特征，提取特征以及创造特征来实现。其中创造特征又经常以降维算法的方式实现。
   可能面对的问题有：特征之间有相关性，特征和标签无关，特征太多或太小，或者干脆就无法表现出应有的数据现象或无法展示数据的真实面貌
   特征工程的目的：1) 降低计算成本，2) 提升模型上限
4. 建模，测试模型并预测出结果
5. 上线，验证模型效果

1.2 sklearn数据预处理模块：

sklearn中包含众多数据预处理和特征工程相关的模块:

• 模块preprocessing：几乎包含数据预处理的所有内容
  
• 模块Impute：填补缺失值专用
  
• 模块feature_selection：包含特征选择的各种方法的实践
  
• 模块decomposition：包含降维算法
  

2 数据预处理 Preprocessing & Impute

2.1 数据无量纲化

数据的无量纲化可以是线性的，也可以是非线性的。线性的无量纲化包括中心化（Zero-centered或者Meansubtraction）处理和缩放处理（Scale）。中心化的本质是让所有记录减去一个固定值，即让数据样本数据平移到某个位置。缩放的本质是通过除以一个固定值，将数据固定在某个范围之中，取对数也算是一种缩放处理。

• 数据归一化(Normalization，又称Min-Max Scaling)。 $x^* = \frac{x-min(x)}{max(x)-min(x)}$

• 数据标准化(Standardization，又称Z-score normalization)。 $x^* = \frac{x-\mu}{\sigma}$

• 正则化（Regularization）

• preprocessing.MinMaxScale

# (sklearn)
from sklearn.preprocessing import MinMaxScaler
data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
import pandas as pd
# pd.DataFrame(data)
#实现归一化
scaler = MinMaxScaler() #实例化
scaler = scaler.fit(data) #fit，在这里本质是生成min(x)和max(x)
result = scaler.transform(data) #通过接口导出结果
print(result)
# result_ = scaler.fit_transform(data) #训练和导出结果一步达成
# scaler.inverse_transform(result) #将归一化后的结果逆转

#使用MinMaxScaler的参数feature_range实现将数据归一化到[0,1]以外的范围中
scaler = MinMaxScaler(feature_range=[5,10]) #依然实例化
result_1 = scaler.fit_transform(data) #fit_transform一步导出结果
print(result_1)

# (numpy实现归一化)
import numpy as np
X = np.array([[-1, 2], [-0.5, 6], [0, 10], [1, 18]])
#归一化
X_nor = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_nor
#逆转归一化
X_returned = X_nor * (X.max(axis=0) - X.min(axis=0)) + X.min(axis=0)
X_returned

• preprocessing.StandardScaler 当数据(x)按均值(μ)中心化后，再按标准差(σ)缩放，数据就会服从为均值为0，方差为1的正态分布（即标准正态分布），而这个过程，就叫做数据标准化(Standardization，又称Z-score normalization)。 假设原数据要服从正态分布。

from sklearn.preprocessing import StandardScaler
data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]

scaler = StandardScaler() #实例化
scaler.fit(data) #fit，本质是生成均值和方差

# scaler.mean_ #查看均值的属性mean_
# scaler.var_ #查看方差的属性var_

x_std = scaler.transform(data) #通过接口导出结果

# x_std.mean() #导出的结果是一个数组，用mean()查看均值
#x_std.std() #用std()查看方差

# scaler.fit_transform(data) #使用fit_transform(data)一步达成结果
# scaler.inverse_transform(x_std)  #使用inverse_transform逆转标准化

对于StandardScaler和MinMaxScaler来说，空值NaN会被当做是缺失值，在fit的时候忽略，在transform的时候保持缺失NaN的状态显示。并且，尽管去量纲化过程不是具体的算法，但在fit接口中，依然只允许导入至少二维数组，一维数组导入会报错。

2.2 缺失值

数据挖掘之中，常常会有重要的字段缺失值很多，但又不能舍弃字段的情况

• impute.SimpleImputer

   class sklearn.impute.SimpleImputer (missing_values=nan, strategy=’mean’, fill_value=None, verbose=0,copy=True)
  

参数	含义
missing_values	告诉SimpleImputer，数据中的缺失值长什么样，默认空值np.nan
strategy	我们填补缺失值的策略，默认均值。 输入“mean”使用均值填补（仅对数值型特征可用） 输入“median"用中值填补（仅对数值型特征可用） 输入"most_frequent”用众数填补（对数值型和字符型特征都可用） 输入“constant"表示请参考参数“fill_value"中的值（对数值型和字符型特征都可用）
fill_value	当参数startegy为”constant"的时候可用，可输入字符串或数字表示要填充的值，常用0
copy	默认为True，将创建特征矩阵的副本，反之则会将缺失值填补到原本的特征矩阵中去。

from sklearn.impute import SimpleImputer
Age = data.loc[:,"Age"].values.reshape(-1,1)  #sklearn当中特征矩阵必须是二维
imp_median = SimpleImputer(strategy="median") #实例化，用中位数填补
# imp_mean = SimpleImputer()                  #实例化，默认均值填补
# imp_0 = SimpleImputer(strategy="constant",fill_value=0) #实例化，用0填补

data.loc[:,"Age"] = imp_median.fit_transform(Age) #fit_transform一步完成调取结果 并赋值  （我们使用中位数填补Age）

#使用众数填补Embarked
Embarked = data.loc[:,"Embarked"].values.reshape(-1,1)
imp_mode = SimpleImputer(strategy = "most_frequent") 
data.loc[:,"Embarked"] = imp_mode.fit_transform(Embarked)

# 写成一行
data.loc[:,"Age"] = SimpleImputer(strategy="median").fit_transform(data.loc[:,"Age"].values.reshape(-1,1))

data.loc[:,"Embarked"] = SimpleImputer(strategy = "most_frequent").fit_transform(data.loc[:,"Embarked"].values.reshape(-1,1))

用Pandas和Numpy进行填补其实更加简单

import pandas as pd
data = pd.read_csv(r".\Narrativedata.csv",index_col=0)

data.loc[:,"Age"] = data.loc[:,"Age"].*fillna*(data.loc[:,"Age"].median())
#.fillna 在DataFrame里面直接进行填补

data.*dropna*(axis=0,inplace=True)
#.dropna(axis=0)删除所有有缺失值的行，.dropna(axis=1)删除所有有缺失值的列
#参数inplace，为True表示在原数据集上进行修改，为False表示生成一个复制对象，不修改原数据，默认False

2.3 处理分类型特征：编码与哑变量

在现实中，许多标签和特征在数据收集完毕的时候，都不是以数字来表现的。比如说，学历的取值可以是["小学"，“初中”，“高中”，"大学"]，付费方式可能包含["支付宝"，“现金”，“微信”]等等。在这种情况下，为了让数据适应算法和库，我们必须将数据进行编码，即是说，将文字型数据转换为数值型。

• preprocessing.LabelEncoder ：标签专用，能够将文字分类转换为分类数值

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()       #实例化
y = data.iloc[:,-1]       #要输入的是标签，不是特征矩阵，所以允许一维
le = le.fit(y)            #导入数据
label = le.transform(y)   #transform接口调取结果  可查看获取的结果label
# le.classes_             #属性.classes_查看标签中究竟有多少类别
data.iloc[:,-1] = label   #让标签等于我们运行出来的结果


# 写成一行
from sklearn.preprocessing import LabelEncoder
data.iloc[:,-1] = LabelEncoder().fit_transform(data.iloc[:,-1])

#PS： 查看变量的取值 -- 方法：
可以【降维后.ravel()再】取集合set()--去重
或者 pd中有一个.value_counts()的方法

• set -- set(dataxxx.ravel()) 要降为一维的数据 一般对返回值data取type(data)是numpy.ndarray 可能是(890,1) 需要降维

• value_counts() -- pd.DataFrame(dataxxx).value_counts() 要转为pandas的对象才能查看 numpy中没有.value_counts()

• preprocessing.OrdinalEncoder ：特征专用，能够将分类特征转换为分类数值

from sklearn.preprocessing import OrdinalEncoder

data_1 = data.copy()

OrdinalEncoder().fit(data_1.iloc[:,1:-1]).categories_ #接口*categories_*对应LabelEncoder的接口classes_，一模一样的功能

data_1.iloc[:,1:-1] = OrdinalEncoder().fit_transform(data_1.iloc[:,1:-1])

• preprocessing.OneHotEncoder ：独热编码，创建哑变量

特征可以做哑变量，标签也可以吗？可以，使用类sklearn.preprocessing.LabelBinarizer可以对标签做哑变量

数据类型以及常用的统计量

from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder(categories='auto').fit(X)
result = enc.transform(X).toarray()

#依然可以直接一步到位
# OneHotEncoder(categories='auto').fit_transform(X).toarray()

#依然可以还原
# pd.DataFrame(enc.inverse_transform(result))

enc.get_feature_names()  # 获取编码后的特征名字 可以看看：array(['x0_female', 'x0_male', 'x1_C', 'x1_Q', 'x1_S'], dtype=object)

#axis=1,表示跨行进行合并，也就是将量表左右相连，如果是axis=0，就是将量表上下相连
newdata = pd.concat([data,pd.DataFrame(result)],axis=1)

newdata.drop(["Sex","Embarked"],axis=1,inplace=True)

newdata.columns =
["Age","Survived","Female","Male","Embarked_C","Embarked_Q","Embarked_S"]  # 对列重命名

2.4 处理连续型特征：二值化与分段

• sklearn.preprocessing.Binarizer ：根据阈值threshold将数据二值化（将特征值设置为0或1），用于处理连续型变量。大于阈值的值映射为1，而小于或等于阈值的值映射为0。默认阈值为0时，特征中所有的正值都映射到1。

#将年龄二值化
data_2 = data.copy()

from sklearn.preprocessing import Binarizer
X = data_2.iloc[:,0].values.reshape(-1,1) #类为特征专用，所以不能使用一维数组

transformer = Binarizer(threshold=30).fit_transform(X)
transformer

• sklearn.preprocessing.KBinsDiscretizer ：这是将连续型变量划分为分类变量的类，能够将连续型变量排序后按顺序分箱后编码。

  n_bins: 每个特征中分箱的个数，默认5，一次会被运用到所有导入的特征
  encode: 编码的方式，默认“onehot”。"onehot"：做哑变量，之后返回一个稀疏矩阵，每一列是一个特征中的一个类别，含有该类别的样本表示为1，不含的表示为0; “ordinal”：每个特征的每个箱都被编码为一个整数，返回每一列是一个特征，每个特征下含有不同整数编码的箱的矩阵; "onehot-dense"：做哑变量，之后返回一个密集数组。
  strategy: 用来定义箱宽的方式，默认"quantile"。 "uniform"：表示等宽分箱，即每个特征中的每个箱的最大值之间的差为(特征.max() - 特征.min())/(n_bins) ; "quantile"：表示等位分箱，即每个特征中的每个箱内的样本数量都相同 ; "kmeans"：表示按聚类分箱，每个箱中的值到最近的一维k均值聚类的簇心得距离都相同

from sklearn.preprocessing import KBinsDiscretizer
X = data.iloc[:,0].values.reshape(-1,1)
est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
est.fit_transform(X)

#查看转换后分的箱：变成了一列中的三箱
set(est.fit_transform(X).ravel())
est = KBinsDiscretizer(n_bins=3, encode='onehot', strategy='uniform')

#查看转换后分的箱：变成了哑变量
est.fit_transform(X).toarray()

3 特征选择 feature_selection

特征提取(feature extraction)：从文字，图像，声音等其他非结构化数据中提取新信息作为特征。比如说，从淘宝宝贝的名称中提取出产品类别，产品颜色，是否是网红产品等等。
特征创造(feature creation)：把现有特征进行组合，或互相计算，得到新的特征。比如说，我们有一列特征是速度，一列特征是距离，我们就可以通过让两列相处，创造新的特征：通过距离所花的时间。
特征选择(feature selection)：从所有的特征中，选择出有意义，对模型有帮助的特征，以避免必须将所有特征都导入模型去训练的情况。
特征工程的第一步是：理解业务。

遇见极端情况，我们无法依赖对业务的理解来选择特征，该怎么办呢？ 四种方法可以用来选择特征：

• 过滤法，
• 嵌入法，
• 包装法，
• 和降维算法。

3.1 Filter过滤法

过滤方法通常用作预处理步骤，特征选择完全独立于任何机器学习算法。它是根据各种统计检验中的分数以及相关性的各项指标来选择特征。

3.1.1 方差过滤 --- 一般只做预处理

（VarianceThreshold）这是通过特征本身的方差来筛选特征的类。VarianceThreshold有重要参数threshold，表示方差的阈值，表示舍弃所有方差小于threshold的特征，不填默认为0，即删除所有的记录都相同的特征。
比如一个特征本身的方差很小，就表示样本在这个特征上基本没有差异，可能特征中的大多数值都一样，甚至整个特征的取值都相同，那这个特征对于样本区分没有什么作用。所以无论接下来的特征工程要做什么，都要优先消除方差为0的特征。
一般情况下，我们只会使用阈值为0或者阈值很小的方差过滤，来为我们优先消除一些明显用不到的特征，然后我们会选择更优的特征选择方法继续削减特征数量。

3.1.2 相关性过滤

我们希望选出与标签相关且有意义的特征，因为这样的特征能够为我们提供大量信息。如果特征与标签无关，那只会白白浪费我们的计算内存，可能还会给模型带来噪音。在sklearn当中，我们有三种常用的方法来评判特征与标签之间相关性：卡方，F检验，互信息。
推荐：先使用方差过滤，再使用户信息发来捕捉相关性。 文档中有一个sklearn这些类的总结的表，可以回顾时补上。

a. 卡方过滤

卡方过滤是专门针对离散型标签（即分类问题）的相关性过滤。卡方检验类feature_selection.chi2计算每个非负特征和标签之间的卡方统计量，并依照卡方统计量由高到低为特征排名。再结合feature_selection.SelectKBest这个可以输入”评分标准“来选出前K个分数最高的特征的类，我们可以借此除去最可能独立于标签，与我们分类目的无关的特征。

from sklearn.ensemble import RandomForestClassifier as RFC
from sklearn.model_selection import cross_val_score
from sklearn.feature_selection import SelectKBest #SelectKBest(依赖的统计量，k ) :输入 评分标准（统计量） 来选出前k个 （统计量）分数最高的特征 (的类)
from sklearn.feature_selection import chi2        #卡方 

#假设在这里我一直我需要300个特征
X_fschi = SelectKBest(chi2, k=300).fit_transform(X_fsvar, y)  #SelectKBest(chi2, k=300):选出前300个卡方分数最高的特征； X_fsvar是经过方差过滤后的数据

#X_fschi.shape

#交叉验证查看模型效果
cross_val_score(RFC(n_estimators=10,random_state=0),X_fschi,y,cv=5).mean()  #RFC是随机森林分类器

选取超参数k值 ： SelectKBest(依赖的统计量[chi2--卡方]，k ) -- 可从chi2实例化后的模型 chi2(X_fsvar,y) 中可获得各个特征所对应的卡方值和p值

chivalue, pvalues_chi = chi2(X_fsvar,y)  #返回第一个值是卡方值 第二个值是p值
chivalue   # 卡方值 可打印查看
pvalues_chi  #p值 可打印查看 ## 若所有的p值都<0.05或0.01 说明所有的特征都和标签相关

# 求k
k = chivalue.shape[0] - (pvalues_chi > 0.05).sum()   #k 想保留的特征个数 =  chivalue.shape[0]总特征数 - (pvalues_chi > 0.05).sum() 想删除的特征的个数

# 之后再实例化卡方检验过滤SelectKBest(chi2, k=填写具体的k) 再训练导出fit_transform 再交叉验证
X_fschi = SelectKBest(chi2, k=填写具体的k).fit_transform(X_fsvar, y)
cross_val_score(RFC(n_estimators=10,random_state=0),X_fschi,y,cv=5).mean()

b. F检验过滤

F检验，又称ANOVA，方差齐性检验，是用来捕捉每个特征与标签之间的线性关系的过滤方法。它即可以做回归也可以做分类，因此包含feature_selection.f_classif（F检验分类） 和 feature_selection.f_regression（F检验回归） 两个类。
和卡方检验一样，这两个类需要和类SelectKBest连用，并且我们也可以直接通过输出的统计量来判断我们到底要设置一个什么样的K。需要注意的是，F检验在数据服从正态分布时效果会非常稳定，因此如果使用F检验过滤，我们会先将数据转换成服从正态分布的方式。
F检验的本质是寻找两组数据之间的线性关系，其原假设是”数据不存在显著的线性关系“。它返回F值和p值两个统计量。和卡方过滤一样，我们希望选取p值小于0.05或0.01的特征，这些特征与标签时显著线性相关的，而p值大于0.05或0.01的特征则被我们认为是和标签没有显著线性关系的特征，应该被删除。

from sklearn.feature_selection import f_classif
 
F, pvalues_f = f_classif(X_fsvar,y)
 
F  #返回的F值
 
pvalues_f  #返回的p值

# 求k
k = F.shape[0] - (pvalues_f > 0.05).sum()

# 之后再实例化F检验过滤SelectKBest(f_classif, k=填写具体的k) 再训练导出fit_transform 再交叉验证
X_fsF = SelectKBest(f_classif, k=填写具体的k).fit_transform(X_fsvar, y)
cross_val_score(RFC(n_estimators=10,random_state=0),X_fsF,y,cv=5).mean()

c. 互信息法

互信息法是用来捕捉每个特征与标签之间的任意关系（包括线性和非线性关系）的过滤方法。和F检验相似，它既可以做回归也可以做分类，并且包含两个类feature_selection.mutual_info_classif（互信息分类） 和feature_selection.mutual_info_regression（互信息回归）。这两个类的用法和参数都和F检验一模一样，不过互信息法比F检验更加强大，F检验只能够找出线性关系，而互信息法可以找出任意关系。
互信息法不返回p值或F值类似的统计量，它返回“每个特征与目标之间的互信息量的估计”，这个估计量在[0,1]之间取值，为0则表示两个变量独立，为1则表示两个变量完全相关。

from sklearn.feature_selection import mutual_info_classif as MIC
 
result = MIC(X_fsvar,y)  #返回的result是每个特征与目标之间的互信息量的估计 

# 求k
k = result.shape[0] - sum(result <= 0)

# 之后再实例化互信息法过滤SelectKBest(MIC, k=填写具体的k) 再训练导出fit_transform 再交叉验证
X_fsmic = SelectKBest(MIC, k=填写具体的k).fit_transform(X_fsvar, y)
cross_val_score(RFC(n_estimators=10,random_state=0),X_fsmic,y,cv=5).mean()

3.2 Embedded嵌入法

嵌入法是一种让算法自己决定使用哪些特征的方法，即特征选择和算法训练同时进行。在使用嵌入法时，我们先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据权值系数从大到小选择特征。【这些权值系数往往代表了特征对于模型的某种贡献或某种重要性，比如决策树和树的集成模型中的feature_importances_属性，可以列出各个特征对树的建立的贡献，我们就可以基于这种贡献的评估，找出对模型建立最有用的特征。】相比于过滤法，嵌入法的结果会更加精确到模型的效用本身，对于提高模型效力有更好的效果。 并且，由于考虑特征对模型的贡献，因此无关的特征（需要相关性过滤的特征）和无区分度的特征（需要方差过滤的特征）都会因为缺乏对模型的贡献而被删除掉，可谓是过滤法的进化版。

嵌入法缺点：
1）过滤法中使用的统计量可以使用统计知识和常识来查找范围（如p值应当低于显著性水平0.05），而嵌入法中使用的权值系数却没有这样的范围可找。【当大量特征都对模型有贡献且贡献不一时，我们就很难去界定一个有效的临界值。这种情况下，模型权值系数就是我们的超参数，我们或许需要学习曲线，或者根据模型本身的某些性质去判断这个超参数的最佳值究竟应该是多少。】
2）嵌入法引入了算法来挑选特征，因此其计算速度也会和应用的算法有很大的关系。如果采用计算量很大，计 算缓慢的算法，嵌入法本身也会非常耗时耗力。

feature_selection.SelectFromModel
class sklearn.feature_selection.SelectFromModel (estimator, threshold=None, prefit=False, norm_order=1, max_features=None)

• estimator ： 使用的模型评估器，只要是带feature_importances_或者coef_属性，或带有l1和l2惩罚项的模型都可以使用
• threshold ： 特征重要性的阈值，重要性低于这个阈值的特征都将被删除
• prefit ： 默认False，判断是否将实例化后的模型直接传递给构造函数。如果为True，则必须直接调用fit和transform，不能使用fit_transform，并且SelectFromModel不能与cross_val_score，GridSearchCV和克隆估计器的类似实用程序一起使用。
• norm_order ： k可输入非零整数，正无穷，负无穷，默认值为1。在评估器的coef_属性高于一维的情况下，用于过滤低于阈值的系数的向量的范数的阶数。
• max_features ： 在阈值设定下，要选择的最大特征数。要禁用阈值并仅根据max_features选择，请设置threshold = -np.inf

SelectFromModel是一个元变换器，可以与任何在拟合后具有coef_，feature_importances_属性或参数中可选惩罚项的评估器一起使用（比如随机森林和树模型就具有属性feature_importances_，逻辑回归就带有l1和l2惩罚项，线性支持向量机也支持l2惩罚项）。
对于有feature_importances_的模型来说，若重要性低于提供的阈值参数，则认为这些特征不重要并被移除。feature_importances_的取值范围是[0,1]，如果设置阈值很小，比如0.001，就可以删除那些对标签预测完全没贡献的特征。如果设置得很接近1，可能只有一两个特征能够被留下。

from sklearn.feature_selection import SelectFromModel
from sklearn.ensemble import RandomForestClassifier as RFC

RFC_ = RFC(n_estimators =10,random_state=0) #随机森林实例化

X_embedded = SelectFromModel(RFC_,threshold=0.005).fit_transform(X,y)
 
#在这里我只想取出来有限的特征。0.005这个阈值对于有780个特征的数据来说，是非常高的阈值，因为平均每个特征
# 只能够分到大约0.001的feature_importances_
 
X_embedded.shape
 
#模型的维度明显被降低了
#同样的，我们也可以画学习曲线来找最佳阈值

# 交叉验证 cross_val_score(RFC_,X_embedded,y,cv=5).mean()

在嵌入法下，我们很容易就能够实现特征选择的目标：减少计算量，提升模型表现。因此，比起要思考很多统计量的过滤法来说，嵌入法可能是更有效的一种方法。然而，在算法本身很复杂的时候，过滤法的计算远远比嵌入法要快，所以大型数据中，我们还是会优先考虑过滤法。

3.3 Wrapper包装法

包装法也是一个特征选择和算法训练同时进行的方法，与嵌入法十分相似，它也是依赖于算法自身的选择，比如coef_属性或feature_importances_属性来完成特征选择。
但不同的是，我们往往使用一个目标函数作为黑盒来帮助我们选取特征，而不是自己输入某个评估指标或统计量的阈值。
包装法在初始特征集上训练评估器，并且通过coef_属性或通过feature_importances_属性获得每个特征的重要性。然后，从当前的一组特征中修剪最不重要的特征。在修剪的集合上递归地重复该过程，直到最终到达所需数量的要选择的特征。
过滤法和嵌入法的一次训练解决所有问题
包装法要使用特征子集进行多次训练，因此它所需要的计算成本是最高的。

包装法中选取特征子集的算法不是 我们最终用来导入数据的分类或回归算法（即不是随机森林），而是专业的数据挖掘算法，即我们的目标函数。这些数据挖掘算法的核心功能就是 选取最佳特征子集。
最典型的目标函数是递归特征消除法（Recursive feature elimination, 简写为RFE）。它是一种贪婪的优化算法，旨在找到性能最佳的特征子集。
它反复创建模型，并在每次迭代时保留最佳特征或剔除最差特征，下一次迭代时，它会使用上一次建模中没有被选中的特征来构建下一个模型，直到所有特征都耗尽为止。 然后，它根据自己保留或剔除特征的顺序来对特征进行排名，最终选出一个最佳子集。
包装法的效果是所有特征选择方法中最利于提升模型表现的，它可以使用很少的特征达到很优秀的效果。包装法是最能保证模型效果的特征选择方法。

• feature_selection.RFE class sklearn.feature_selection.RFE (estimator, n_features_to_select=None, step=1, verbose=0)
  

  参数： estimator是需要填写的实例化后的评估器， n_features_to_select是想要选择的特征个数， step表示每次迭代中希望移除的特征个数。 .support_ 属性：返回所有的特征的是否最后被选中的布尔矩阵 .ranking_ 属性：返回特征的按数次迭代中综合重要性的排名。

# 包装法： 采用获取性能最佳的特征子集的数据挖掘算法-RFE 递归特征消除法
from sklearn.feature_selection import RFE

RFC_ = RFC(n_estimators =10,random_state=0) # 随机森林分类器实例化

selector = RFE(RFC_, n_features_to_select=340, step=50).fit(X, y)  #这行就是数据挖掘！！！ 获取最佳特征子集  返回的selector是实例化后再fit的结果 再通过相关属性和接口查看信息

selector.support_.sum()   # sum后是340个所选的True
selector.ranking_ 

X_wrapper = selector.transform(X)   #得到的特征矩阵

cross_val_score(RFC_,X_wrapper,y,cv=5).mean()

3.4 特征选择总结

过滤法更快速，但更粗糙。包装法和嵌入法更精确，比较适合具体到算法去调整，但计算量比较大，运行时间长。
当数据量很大的时候，优先使用方差过滤和互信息法调整，再上其他特征选择方法。
使用逻辑回归时，优先使用嵌入法。
使用支持向量机时，优先使用包装法。
迷茫的时候，从过滤法走起，看具体数据具体分析。