Python sklearn SelectKBest用法及代碼示例

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

用法:

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

根據 k 個最高分選擇特征。

在用戶指南中閱讀更多信息。

參數：

score_func：可調用，默認=f_classif

函數采用兩個數組 X 和 y，並返回一對數組(分數、pvalues)或帶有分數的單個數組。默認為 f_classif(見下文“See Also”)。默認函數僅適用於分類任務。

k：int 或 “all”，默認=10

要選擇的主要函數的數量。 “all” 選項繞過選擇，用於參數搜索。

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。

注意：

具有相同分數的特征之間的聯係將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)