Python sklearn GenericUnivariateSelect用法及代码示例

本文简要介绍python语言中 sklearn.feature_selection.GenericUnivariateSelect 的用法。

用法:

class sklearn.feature_selection.GenericUnivariateSelect(score_func=<function f_classif>, *, mode='percentile', param=1e-05)

具有可配置策略的单变量特征选择器。

在用户指南中阅读更多信息。

参数：

score_func：可调用，默认=f_classif

函数接受两个数组 X 和 y，并返回一对数组(分数、p 值)。对于模式 ‘percentile’ 或 ‘kbest’，它可以返回单个数组分数。

mode：{‘percentile’, ‘k_best’，‘fpr’, ‘fdr’, ‘fwe’}，默认='百分位数'

特征选择模式。

param：float 或 int 取决于特征选择模式，默认=1e-5

对应模式的参数。

属性：

scores_：形状类似数组 (n_features,)

分数的函数。

pvalues_：形状类似数组 (n_features,)

特征分数的 p 值，如果 score_func 仅返回分数，则无。

n_features_in_：int

拟合期间看到的特征数。

feature_names_in_：ndarray 形状(n_features_in_，)

拟合期间看到的特征名称。仅当 X 具有全为字符串的函数名称时才定义。

例子：

>>> from sklearn.datasets import load_breast_cancer
>>> from sklearn.feature_selection import GenericUnivariateSelect, chi2
>>> X, y = load_breast_cancer(return_X_y=True)
>>> X.shape
(569, 30)
>>> transformer = GenericUnivariateSelect(chi2, mode='k_best', param=20)
>>> X_new = transformer.fit_transform(X, y)
>>> X_new.shape
(569, 20)