如何选择sklearn中的特征选择包

最新推荐文章于 2022-01-24 12:38:51 发布

壮壮不太胖^QwQ

最新推荐文章于 2022-01-24 12:38:51 发布

阅读量491

点赞数 1

文章标签： python 机器学习

本文链接：https://blog.csdn.net/weixin_46072771/article/details/106184809

版权

特征选择

一，删除低方差的特征

VarianceThreshold是特征选择的简单基准方法。它将删除方差未达到某个阈值的所有特征。默认情况下，它将删除所有零方差特征，即在所有样本中具有相同值的特征。

例如，假设我们有一个具有布尔特征的数据集，并且我们要删除80％以上样本中所有为1或0（打开或关闭）的特征。布尔特征是伯努利随机变量，这些变量的方差由下式给出：
在这里插入图片描述
因此我们可以使用阈值进行选择：0.8 * (1 - 0.8)

>>> from sklearn.feature_selection import VarianceThreshold
>>> X = [[0, 0, 1], [0, 1, 0], [1, 0, 0], [0, 1, 1], [0, 1, 0], [0, 1, 1]]
>>> sel = VarianceThreshold(threshold=(.8 * (1 - .8)))
>>> sel.fit_transform(X)
array([[0, 1],
       [1, 0],
       [0, 0],
       [1, 1],
       [1, 0],
       [1,