Python sklearn GenericUnivariateSelect用法及代碼示例

本文簡要介紹python語言中 sklearn.feature_selection.GenericUnivariateSelect 的用法。

用法:

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

具有可配置策略的單變量特征選擇器。

在用戶指南中閱讀更多信息。

參數：

score_func：可調用，默認=f_classif

函數接受兩個數組 X 和 y，並返回一對數組(分數、p 值)。對於模式 ‘percentile’ 或 ‘kbest’，它可以返回單個數組分數。

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

特征選擇模式。

param：float 或 int 取決於特征選擇模式，默認=1e-5

對應模式的參數。

屬性：

scores_：形狀類似數組 (n_features,)

分數的函數。

pvalues_：形狀類似數組 (n_features,)

特征分數的 p 值，如果 score_func 僅返回分數，則無。

n_features_in_：int

擬合期間看到的特征數。

feature_names_in_：ndarray 形狀(n_features_in_，)

擬合期間看到的特征名稱。僅當 X 具有全為字符串的函數名稱時才定義。

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)