feature select

特征选择的主要作用是：降维，减少特征数量，防止过拟合，增强模型的泛化能力。

1、变异系数（标准差/均值）

import numpy as np

np.std(x)/np.mean(x)

2、皮尔逊相关系数（线性相关）

from scipy.stats import pearsonr

pearsonr（x, y）

3、互信息

from minepy import MINE
m = MINE()
m.compute_score(x, y)
print(m.mic())

4、线性拟合系数

5、L1（Lasso）或者L2（Ridge）正则化

6、树模型

7、交叉验证

8、卡方检验

from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
model1 = SelectKBest(chi2, k=2)#卡方检验
model1.fit_transform(x, y)

score = zip(feature_columns, model1.scores_)#置信度越高越好
value = zip(feature_columns, model1.pvalues_)#p值越小越好
score = sorted(score, key=lambda x: x[1], reverse=True)
value = sorted(value, key=lambda x: x[1], reverse=False)
print '置信度：', score
print 'p值：', value

　　

转载于:https://www.cnblogs.com/kayy/p/8647358.html