【特征选择】使用遗传算法进行特征选择

遗传算法寻优

cross_val_score(lgb,train_X,train_y,scoring='f1',cv=sKfold).mean()  # 使用全部特征进行训练

0.8508040614085857

train_1 = train.drop('label',1)
cols = train_1.columns

train_1.head()

	经营期限起	是否广告经营	是否城镇	从业人数	注册资本（金）	实缴资本	注册 - 实缴	行政区划代码_count_encode	行业类别代码_count_encode	行业细类代码_count_encode	企业类型_count_encode	企业类型小类_count_encode	状态_count_encode	机构标识_count_encode	职位标识_count_encode	组织形式_count_encode	经营方式_count_encode	风险行业_count_encode	经营场所_count_encode	企业（机构）类型_count_encode	行政区划代码_catboost_encode	行业类别代码_catboost_encode	行业细类代码_catboost_encode	企业类型_catboost_encode	企业类型小类_catboost_encode	状态_catboost_encode	机构标识_catboost_encode	职位标识_catboost_encode	组织形式_catboost_encode	经营方式_catboost_encode	风险行业_catboost_encode	经营场所_catboost_encode	企业（机构）类型_catboost_encode	行政区划代码_targe_encode	行业类别代码_targe_encode	行业细类代码_targe_encode	企业类型_targe_encode	企业类型小类_targe_encode	状态_targe_encode	机构标识_targe_encode	职位标识_targe_encode	组织形式_targe_encode	经营方式_targe_encode	风险行业_targe_encode	经营场所_targe_encode	企业（机构）类型_targe_encode	行政区划代码_woe_encode	行业类别代码_woe_encode	行业细类代码_woe_encode	企业类型_woe_encode	企业类型小类_woe_encode	状态_woe_encode	机构标识_woe_encode	职位标识_woe_encode	组织形式_woe_encode	经营方式_woe_encode	风险行业_woe_encode	经营场所_woe_encode	企业（机构）类型_woe_encode	行政区划代码_ord_encode	行业类别代码_ord_encode	行业细类代码_ord_encode	企业类型_ord_encode	企业类型小类_ord_encode	状态_ord_encode	机构标识_ord_encode	职位标识_ord_encode	组织形式_ord_encode	经营方式_ord_encode	风险行业_ord_encode	经营场所_ord_encode	企业（机构）类型_ord_encode	状态_2015	资金数额_2015	从业人数_2015	从业人数是否公示_2015	经营状态名称_2015	是否有网站标志_2015	是否有对外投资企业标志_2015	有限责任公司本年度是否发生股东股权转让标志_2015	公示状态_2015	其中下岗失业人数雇员_2015	其中退役士兵人数雇员_2015	其中残疾人人数经营者_2015	其中下岗失业人数经营者_2015	其中退役士兵人数经营者_2015	其中高校毕业生人数经营者_2015	其中残疾人人数雇员_2015	从业人数是否公示_2016	经营状态名称_2016	是否有网站标志_2016	是否有对外投资企业标志_2016	有限责任公司本年度是否发生股东股权转让标志_2016	公示状态_2016	其中下岗失业人数雇员_2016	其中退役士兵人数雇员_2016	其中残疾人人数经营者_2016	其中下岗失业人数经营者_2016	其中退役士兵人数经营者_2016	其中高校毕业生人数经营者_2016	其中残疾人人数雇员_2016	其中高校毕业生人数雇员_2016	状态_2017	资金数额_2017	从业人数_2017	从业人数是否公示_2017	经营状态名称_2017	是否有网站标志_2017	是否有对外投资企业标志_2017	有限责任公司本年度是否发生股东股权转让标志_2017	公示状态_2017	其中下岗失业人数雇员_2017	其中退役士兵人数雇员_2017	其中残疾人人数经营者_2017	其中下岗失业人数经营者_2017	其中退役士兵人数经营者_2017	其中高校毕业生人数经营者_2017	其中残疾人人数雇员_2017	其中高校毕业生人数雇员_2017	状态_2018	资金数额_2018	从业人数_2018	从业人数是否公示_2018	经营状态名称_2018	是否有网站标志_2018	是否有对外投资企业标志_2018	有限责任公司本年度是否发生股东股权转让标志_2018	公示状态_2018	其中下岗失业人数雇员_2018	其中退役士兵人数雇员_2018	其中残疾人人数经营者_2018	其中下岗失业人数经营者_2018	其中退役士兵人数经营者_2018	其中高校毕业生人数经营者_2018	其中残疾人人数雇员_2018	其中高校毕业生人数雇员_2018	状态_mode	从业人数是否公示_mode	经营状态名称_mode	是否有网站标志_mode	是否有对外投资企业标志_mode	有限责任公司本年度是否发生股东股权转让标志_mode	公示状态_mode	状态_ischange	从业人数是否公示_ischange	经营状态名称_ischange	是否有网站标志_ischange	是否有对外投资企业标志_ischange	有限责任公司本年度是否发生股东股权转让标志_ischange	公示状态_ischange	其中残疾人人数雇员_max	其中残疾人人数雇员_mean	其中残疾人人数雇员_min	其中残疾人人数经营者_max	其中残疾人人数经营者_mean	其中残疾人人数经营者_min	其中退役士兵人数雇员_max	其中退役士兵人数雇员_mean	其中退役士兵人数雇员_min	其中下岗失业人数雇员_max	其中下岗失业人数雇员_mean	其中下岗失业人数雇员_min	其中高校毕业生人数经营者_max	其中高校毕业生人数经营者_mean	其中高校毕业生人数经营者_min	其中下岗失业人数经营者_max	其中下岗失业人数经营者_mean	其中下岗失业人数经营者_min	从业人数_max	从业人数_mean	从业人数_min	其中退役士兵人数经营者_max	其中退役士兵人数经营者_mean	其中退役士兵人数经营者_min	资金数额_max	资金数额_mean	资金数额_min	其中高校毕业生人数雇员_max	其中高校毕业生人数雇员_mean	其中高校毕业生人数雇员_min	其中残疾人人数雇员_range	其中残疾人人数经营者_range	其中退役士兵人数雇员_range	其中下岗失业人数雇员_range	其中高校毕业生人数经营者_range	其中下岗失业人数经营者_range	从业人数_range	其中退役士兵人数经营者_range	资金数额_range	其中高校毕业生人数雇员_range	id_count	变更信息代码_110.0	变更信息代码_111.0	变更信息代码_112.0	变更信息代码_113.0	变更信息代码_115.0	变更信息代码_117.0	变更信息代码_118.0	变更信息代码_120.0	变更信息代码_121.0	变更信息代码_128.0	变更信息代码_129.0	变更信息代码_131.0	变更信息代码_133.0	变更信息代码_137.0	变更信息代码_138.0	变更信息代码_150.0	变更信息代码_190.0	变更信息代码_921.0	变更信息代码_922.0	变更信息代码_925.0	变更信息代码_930.0	变更信息代码_939.0	变更总次数	date_range	变更频率	个人所得税	企业所得税	其他收入	印花税	土地增值税	地方教育附加	城市维护建设税	城镇土地使用税	契税	房产税	教育费附加	残疾人就业保障金	水利建设专项收入	税务部门罚没收入	营业税	税收总额	tax_date_range	每天交税金额	是否有税收计记录	中立	消极	积极	曝光率	积极-消极	最近一次评价	中立评分比例	消极评分比例	积极评分比例
企业唯一标识
47645761dc56bb8c5fae00114b768b5d9b6e917c3aec07c4	479	0	0	5.0	50.0	0	52.0	1803	7017	234	14085	5679	21583	929	163	14234	15865	16428	18792	4795	0.018143	0.001633	0.000307	0.039825	0.028175	0.072861	0.033443	0.000437	0.081049	0.098250	0.095310	0.081644	0.008410	0.018100	0.001620	0.000000	0.039823	0.028165	0.072862	3.338898e-02	0.000000e+00	0.081051	0.098254	0.095313	0.081645	0.008394	-1.297707	-3.657842	-2.722611	-0.531992	-0.884355	0.105468	-0.670478	-2.369253	0.221020	0.432157	0.398518	0.228804	-2.090216	1.0	1.0	1.0	1.0	1.0	1	1	1.0	1	1.0	1	1.0	1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	-1.0	-1.000000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0
59b38c56de3836838082cfcb1a298951abfe15e6940c49ba	47	0	0	2.0	100.0	0	102.0	5481	2968	43	14085	5679	21583	3617	260	14234	15865	16428	18792	4795	0.122277	0.002830	0.001610	0.039825	0.028175	0.072861	0.220212	0.000253	0.081049	0.098250	0.095310	0.081644	0.008410	0.122292	0.002795	0.000000	0.039823	0.028165	0.072862	2.202797e-01	0.000000e+00	0.081051	0.098254	0.095313	0.081645	0.008394	0.679055	-3.047387	-1.065545	-0.531992	-0.884355	0.105468	1.385412	-2.916493	0.221020	0.432157	0.398518	0.228804	-2.090216	2.0	2.0	2.0	1.0	1.0	1	2	2.0	1	1.0	1	1.0	1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	-1.0	-1.000000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0
e9f7b28ec10e047000d16ab79e1b5e6da434a1697cce7818	1859	0	1	2.0	10.0	0	12.0	2092	1428	722	2180	757	21583	1361	87	14234	575	16428	18792	757	0.046508	0.609421	0.718118	0.523964	0.003689	0.072861	0.070961	0.057849	0.081049	0.004007	0.095310	0.081644	0.003689	0.046492	0.610147	0.719794	0.524402	0.003472	0.072862	7.096774e-02	5.769231e-02	0.081051	0.003774	0.095313	0.081645	0.003472	-0.355709	3.094724	3.585902	2.745526	-2.321786	0.105468	0.092740	0.122299	0.221020	-2.238555	0.398518	0.228804	-2.321786	3.0	3.0	3.0	2.0	2.0	1	3	3.0	1	2.0	1	1.0	2.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0	3.0	0.0	3.000000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0
f000950527a6feb63ee1ce82bb22ddd1ab8b8fdffa3b91fb	1066	0	0	-1.0	100.0	0	102.0	5481	2968	336	14085	7467	3109	2261	53	14234	15865	16428	18792	7467	0.122277	0.002830	0.000269	0.039825	0.030685	0.019527	0.139795	0.021320	0.081049	0.098250	0.095310	0.081644	0.030685	0.122292	0.002795	0.000000	0.039823	0.030678	0.019502	1.398545e-01	2.040816e-02	0.081051	0.098254	0.095313	0.081645	0.030678	0.679055	-3.047387	-2.853231	-0.531992	-0.798098	-1.242689	0.836353	-0.550646	0.221020	0.432157	0.398518	0.228804	-0.798098	2.0	2.0	4.0	1.0	3.0	2	4	4.0	1	1.0	1	1.0	3.0	-1.0	-1.0	2.0	2.0	-1.0	-1.0	4.0	3.0	-1.0	-1.0	4.0	3.0	-1.0	-1.0	2.0	2.0	-1.0	-1.0	2.0	2.0	-1.0	-1.0	2.0	2.0	-1.0	-1.0	2.0	2.0	-1.0	-1.0	3.0	3.0	-1.0	-1.0	0.0	0.0	-1.0	-1.0	0.0	0.0	-1.0	-1.0	0.0	0.0	-1.0	-1.0	0.0	0.0	-1.0	-1.0	3.0	1.0	-1.0	-1.0	0.0	0.0	-1.0	-1.0	0.0	0.0	-1.0	-1.0	1.0	2.0	2.0	2.0	0.0	2.0	2.0	2.0	3.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	4.0	3.5	3.0	3.0	2.0	1.0	4.0	3.5	3.0	2.0	1.5	1.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	2.0	1.0	1.0	2.0	0.0	0.0	1.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	3.0	220.0	0.013575	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0
9c7fa510616a6830b878f3c8c4317d93e1b022e7f22ae231	90	0	1	5.0	20.0	0	22.0	1338	10312	246	8193	8214	21583	41	27	10610	8186	8115	1	8193	0.035840	0.001466	0.000325	0.000014	0.000014	0.072861	0.002200	0.002357	0.037043	0.000014	0.001328	0.065994	0.000014	0.035802	0.001455	0.000000	0.000000	0.000000	0.072862	4.563131e-14	3.371647e-13	0.037037	0.000000	0.001314	0.065994	0.000000	-0.612630	-3.765978	-2.665179	-5.790555	-5.794011	0.105468	-0.753170	-0.684177	-0.604969	-5.790339	-3.831579	0.000000	-5.790555	4.0	4.0	5.0	3.0	4.0	1	5	5.0	2	3.0	2	2.0	4.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	-1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	-1.0	-1.000000	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0

# 遗传算法特征选择
sKfold = StratifiedKFold(n_splits=5, shuffle=True, random_state=2020)
def fun_(x):
    '''传入长度为特征数量的0,1向量，转化为bool之后作为特征的索引，提取特征子集，使用特征子集进行选了返回目标函数值'''
    X =  train_1[cols[x.astype('bool')]].values
    val = cross_val_score(lgb,X,train_y,scoring='f1',cv=sKfold).mean()
    return val

def GV_col(func,len_,num_,it_num = 50,jiaopei = 0.8,bianyi = 0.2):
    '''
    func：目标函数 输入为0,1向量，输出为目标函数值
    len_：特征维度
    it_num：种群的数量
    jiaopei：种群进行杂交的概率
    bianyi：种群进行变异的概率
    返回值：传入长度为特征数量的0,1向量 
            历史种群达到的最优值    
    '''
    pop = np.random.randint(0,2,(num_,len_))
    best_f = 0
    list_best_f = []
    for _ in range(it_num):
        scores = [func(i) for i in pop]
        best_fit_ = scores[np.argmax(scores)]
        if best_fit_ > best_f:
            best_f = best_fit_
            best_p = pop[np.argmax(scores)]
        list_best_f.append(best_f)
        fitness  = scores  - min(scores) + 0.01
        idx = np.random.choice(np.arange(num_), size=num_, replace=True,
                                   p=(fitness)/(fitness.sum()) )
        pop = np.array(pop)[idx]
        new_pop = []
        for father in pop:
            child = father
            if np.random.rand() < jiaopei:
                mother_id = np.random.randint(num_)
                low_point = np.random.randint(len_)
                high_point = np.random.randint(low_point+1,len_+1)
                child[low_point:high_point] = pop[mother_id][low_point:high_point]
                if np.random.rand() < bianyi:
                    mutate_point = np.random.randint(0, len_)
                    child[mutate_point] = 1 - child[mutate_point]
            new_pop.append(child)
        pop = new_pop
        print(f'{_}/{it_num},当前分数：{best_f}')
    return best_p,list_best_f

w = GV_col(fun_,244,10,30,0.9,0.3)  #设置种群数量为10，迭代30次最后最优值为0.8518982053263855

0/30,当前分数：0.8422718298032565
1/30,当前分数：0.8422718298032565
2/30,当前分数：0.8487626570528729
3/30,当前分数：0.8487626570528729
4/30,当前分数：0.850974123058376
5/30,当前分数：0.850974123058376
6/30,当前分数：0.850974123058376
7/30,当前分数：0.850974123058376
8/30,当前分数：0.850974123058376
9/30,当前分数：0.850974123058376
10/30,当前分数：0.850974123058376
11/30,当前分数：0.850974123058376
12/30,当前分数：0.850974123058376
13/30,当前分数：0.850974123058376
14/30,当前分数：0.850974123058376
15/30,当前分数：0.850974123058376
16/30,当前分数：0.850974123058376
17/30,当前分数：0.850974123058376
18/30,当前分数：0.850974123058376
19/30,当前分数：0.850974123058376
20/30,当前分数：0.850974123058376
21/30,当前分数：0.850974123058376
22/30,当前分数：0.850974123058376
23/30,当前分数：0.850974123058376
24/30,当前分数：0.850974123058376
25/30,当前分数：0.850974123058376
26/30,当前分数：0.8518982053263855
27/30,当前分数：0.8518982053263855
28/30,当前分数：0.8518982053263855
29/30,当前分数：0.8518982053263855

plt.plot(w[1])

[<matplotlib.lines.Line2D at 0x29a465389b0>]

lgb.fit(train_X,train_y)

LGBMClassifier(max_depth=4, min_child_samples=10, n_estimators=150,
               num_leaves=14, reg_alpha=0.28296338218326345,
               reg_lambda=0.18095776927233131, subsample=0.8272103969163492)

# 删除特征重要度为0的特征，
cols_2 = train.drop('label',1).columns[lgb.feature_importances_.astype('bool')]
train_X_2 = train[cols_2].values
cross_val_score(lgb,train_X_2,train_y,scoring='f1',cv=sKfold).mean()

0.8496644165439153

cols_3 = cols[w[0].astype('bool')]
train_X_3 = train[cols_3].values
cross_val_score(lgb,train_X_3,train_y,scoring='f1',cv=sKfold).mean()

0.8518982053263855