sklearn——feature_selection 出现错误“Input X must be non-negative”

运行scikit-learn官网中的例子-- SVM with univariate feature selection ,当使用自己的数据时,一直报错:

“Input X must be non-negative”

是因为特征中有负值,不能使用chi2(卡方检验)来作为相关性评价的准则。参考:Feature selection using scikit-learn

 

解决方法就是:

Just use sklearn.preprocessing.MinMaxScaler().fit_transform(YOUR_TRAINING_FEATURES_HERE) with the default values to scale your training features to be from 0 to 1.

注意MinMaxScalar()过程必须在SelectPercentile(chi2)过程之前才能起到作用!

 
  • 10
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值