Python sklearn SelectKBest用法及代码示例

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

用法:

class sklearn.feature_selection.SelectKBest(score_func=<function f_classif>, *, k=10)

根据 k 个最高分选择特征。

在用户指南中阅读更多信息。

参数：

score_func：可调用，默认=f_classif

函数采用两个数组 X 和 y，并返回一对数组(分数、pvalues)或带有分数的单个数组。默认为 f_classif(见下文“See Also”)。默认函数仅适用于分类任务。

k：int 或 “all”，默认=10

要选择的主要函数的数量。 “all” 选项绕过选择，用于参数搜索。

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。

注意：

具有相同分数的特征之间的联系将以未指定的方式被打破。

例子：

>>> from sklearn.datasets import load_digits
>>> from sklearn.feature_selection import SelectKBest, chi2
>>> X, y = load_digits(return_X_y=True)
>>> X.shape
(1797, 64)
>>> X_new = SelectKBest(chi2, k=20).fit_transform(X, y)
>>> X_new.shape
(1797, 20)