sklearn实现特征选择--过滤法（通过方差、f_regression、卡方）

最新推荐文章于 2024-12-25 18:50:01 发布

Adm1rat1on

最新推荐文章于 2024-12-25 18:50:01 发布

阅读量7.4k

点赞数 4

分类专栏：机器学习文章标签：数据清洗

本文链接：https://blog.csdn.net/qq_35358021/article/details/84141755

版权

本文深入探讨如何使用sklearn库进行特征选择，重点介绍了通过方差筛选、f_regression和卡方检验等过滤法来优化数据集。通过对特征的统计分析，筛选出对模型预测最有影响的特征，提升模型性能。

摘要由CSDN通过智能技术生成

import numpy as np
from sklearn.feature_selection import VarianceThreshold.SelectKBest
from sklearn.feature_selection import f_regression
from sklearn.feature_selection import chi2
from sklearn.feature_selection import RFE
from sklearn.feature_selection import SelectFromModel