sklearn - 特征工程 - 特征选择

api：

from    sklearn.feature_selection import VarianceThreshold

噪声：某些特征对预测结果有负影响 ，还产生误差。

冗余：两特征之间相似度高，数值接近，或成倍数关系。都纳入计算，消耗计算机性能。

假如一列特征C，每个样本的c特征都是趋于相同的值(方差小)：这个特征不具有代表性，因为每个样本的这个特征都是接近的值。应该被删除

VarianceThreshold： 就可以，消除 方差过于小的特征。

代码：

from    sklearn.feature_selection import VarianceThreshold
def selection():
    vt = VarianceThreshold(threshold=0.1)
    data = [[1,2,3],
            [1,5,9],
            [1.01,6,0]]
    data = vt.fit_transform(data)
    print(data)
selection()

[[2. 3.]
 [5. 9.]
 [6. 0.]]