前言
前面已经讲了方差过滤和卡方过滤,如果这两种方法过滤后的数据还是不能令人满意,就可考虑这篇文章要将的F检验法,和互信息法。
F检验法
F检验概述
F检验又称为ANOVA,方差齐性检验,是用来捕捉标签与每个特征之间线性关系的过滤方法。F检验即可做分类也可以做回归
- 分类:feature_selection.f_classif(标签离散)
- 回归:feature_selection.f_regression(标签连续)
与卡方检验一样,这两个方法都要和SelectKBest连用
注意点:F检验对于正态分布的数据表现很好,所以再进行F检验之前我们可以考虑将数据归一化或标准化,标准化,归一化看这里
K值可以设定,也可以通过p值计算出来,方法与卡方检验一样。
示例
这里使用的数据还是前面两篇博文使用的数据,这里直接使用方差过滤后的数据,关于方差过滤,可以看前面的博文。