sklearn-学习：Dimensionality reduction(降维)-（feature selection）特征选择

本文主要对对应文档的内容进行简化（以代码示例为主）及汉化

对应文档位置：http://scikit-learn.org/stable/modules/feature_selection.html#feature-selection

1.13. Feature selection

feature selection 作用： 增加分类器的score ，提升分类器在高纬数据集上的表现

• 1.13.1. Removing features with low variance

• from sklearn.feature_selection import VarianceThreshold
  X = [[0, 0, 1], [0, 1, 0], [1, 0, 0], [0, 1, 1], [0, 1, 0], [0, 1, 1]]
  sel = VarianceThreshold(threshold=(.8 * (1 - .8)))
  sel.fit_transform(X)
  array([[0, 1],
         [1, 0],
         [0, 0],
         [1, 1],
         [1, 0],
         [1, 1]])

  说明：

  VarianceThreshold 

• 默认值：去除差异值为0（或者为相同值的变量）

• VarianceThreshold(threshold=(.8 * (1 - .8))) ，例子中假设为bool型变量（取值为0,1），其参数threshold的值为方差值；                            对于伯努利分布，其方差为p(1-p)=0.8*(1-0.8)

• 1.13.2. Univariate feature selection(单变量特征选择)