【阿里云天池大赛赛题解析 机器学习篇】卡方检验

        卡方检验针对分类变量，是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。

使用iris数据集，在sklearn库中使用卡方检验筛选与目标变量相关的特征

1、导入包

from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2

2、卡方检验iris数据集选取2个最佳特征

iris = load_iris()  # 载入iris数据
X, y = iris.data, iris.target  # iris.data是特征数据，iris.target是标签数据
model = SelectKBest(chi2, k=2)  # 使用卡方检验选择k个最佳特征
X_new = model.fit_transform(X, y)  # 选择k个最佳特征，作为新的X

SelectKBest.fit_transform方法先fit后transform，选出卡方检验后的2个最佳特征作为新的array。

3、输出观察结果

print(iris.data)
print(iris.target)
—————————————————————————————————————————————————————————————————————————————————————————
[[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]
 [4.7 3.2 1.3 0.2]
 [4.6 3.1 1.5 0.2]
 [5.  3.6 1.4 0.2]
 [5.4 3.9 1.7 0.4]
 [4.6 3.4 1.4 0.3]
 [5.  3.4