SelectFdr#
- class sklearn.feature_selection.SelectFdr(score_func=<function f_classif>, *, alpha=0.05)[源代码]#
筛选器：选择估计错误发现率的p值。
这使用Benjamini-Hochberg程序。
alpha是预期错误发现率的上限。阅读更多的 User Guide .
- 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（score、pvalues）。默认为f_classif（请参阅下文“另请参阅”）。默认功能仅适用于分类任务。
- alphafloat，默认=5e-2
要保留的特征的最高未校正p值。
- 属性:
参见
f_classif分类任务的标签/特征之间的方差分析F值。
mutual_info_classif离散目标的互信息。
chi2分类任务的非负特征的卡方统计数据。
f_regression回归任务的标签/功能之间的F值。
mutual_info_regression连续目标的相互信息。
SelectPercentile根据最高分数的百分位数选择功能。
SelectKBest根据k个最高分数选择特征。
SelectFpr根据假阳性率测试选择功能。
SelectFwe根据系列错误率选择功能。
GenericUnivariateSelect具有可配置模式的单变量特征选择器。
引用
https://en.wikipedia.org/wiki/False_discovery_rate
示例
>>> from sklearn.datasets import load_breast_cancer >>> from sklearn.feature_selection import SelectFdr, chi2 >>> X, y = load_breast_cancer(return_X_y=True) >>> X.shape (569, 30) >>> X_new = SelectFdr(chi2, alpha=0.01).fit_transform(X, y) >>> X_new.shape (569, 16)
- fit(X, y=None)[源代码]#
在（X，y）上运行评分函数并获取适当的功能。
- 参数:
- X形状类似阵列（n_samples，n_features）
训练输入样本。
- y形状类似阵列（n_samples，）或无
目标值（分类中的类别标签，回归中的真实数字）。如果选择器是无监督的，那么
y可以设置为None.
- 返回:
- self对象
返回实例本身。
- fit_transform(X, y=None, **fit_params)[源代码]#
适应数据，然后对其进行转换。
适合变压器
X和y具有可选参数fit_params并返回的转换版本X.- 参数:
- X形状类似阵列（n_samples，n_features）
输入样本。
- y形状为（n_samples，）或（n_samples，n_outputs）的阵列状， 默认值=无
目标值（无监督转换）。
- **fit_paramsdict
其他适合参数。
- 返回:
- X_newndray形状数组（n_samples，n_features_new）
变形的数组。
- get_feature_names_out(input_features=None)[源代码]#
Mask feature names according to selected features.
- 参数:
- input_features字符串或无的类数组，默认=无
输入功能。
如果
input_features是None那么feature_names_in_在中用作功能名称。如果feature_names_in_未定义，则生成以下输入要素名称：["x0", "x1", ..., "x(n_features_in_ - 1)"].如果
input_features是一个类似阵列的，那么input_features必须匹配feature_names_in_如果feature_names_in_是定义的。
- 返回:
- feature_names_out字符串对象的nd数组
转换的功能名称。
- get_metadata_routing()[源代码]#
获取此对象的元数据路由。
请检查 User Guide 关于路由机制如何工作。
- 返回:
- routingMetadataRequest
A
MetadataRequest封装路由信息。
- get_params(deep=True)[源代码]#
获取此估计器的参数。
- 参数:
- deep布尔，默认=True
如果为True，将返回此估计量和包含的作为估计量的子对象的参数。
- 返回:
- paramsdict
参数名称映射到其值。
- get_support(indices=False)[源代码]#
获取所选要素的屏蔽或整指数。
- 参数:
- indices布尔，默认=假
如果为True，则返回值将是一个integer数组，而不是布尔屏蔽。
- 返回:
- support阵列
从特征载体中选择保留特征的索引。如果
indices为假，这是形状的布尔数组 [# input features] ，其中只要选择其相应的特征进行保留，元素就为True。如果indices是True，这是一个形状的整数组 [# output features] 其值是输入特征载体的索引。
- inverse_transform(X)[源代码]#
逆转转型操作。
- 参数:
- X形状数组 [n_samples, n_selected_features]
输入样本。
- 返回:
- X_r形状数组 [n_samples, n_original_features]
X在将删除要素的位置插入零列transform.
- set_output(*, transform=None)[源代码]#
设置输出容器。
看到 介绍 set_output API 了解如何使用API的示例。
- 参数:
- transform{“默认”，“pandas”，“polars”}，默认=无
配置输出
transform和fit_transform."default"：Transformer的默认输出格式"pandas"：DataFrame输出"polars"：两极输出None：转换配置不变
Added in version 1.4:
"polars"添加了选项。
- 返回:
- self估计器实例
估计实例。