sklearn.feature_selection

特征选择算法。

这些包括单变量滤波器选择方法和递归特征消除算法。

用户指南。 更多详情请参见 特征选择 部分。

GenericUnivariateSelect	具有可配置策略的单变量特征选择器。
RFE	使用递归特征消除进行特征排序。
RFECV	使用交叉验证的递归特征消除来选择特征。
SelectFdr	过滤器：选择估计的错误发现率的p值。
SelectFpr	过滤器：根据FPR检验选择低于alpha的p值。
SelectFromModel	基于重要性权重选择特征的元变换器。
SelectFwe	过滤器：选择对应于全族错误率的p值。
SelectKBest	根据k个最高分选择特征。
SelectPercentile	根据最高分的百分位数选择特征。
SelectorMixin	执行给定支持掩码的特征选择的变换器mixin。
SequentialFeatureSelector	执行顺序特征选择的变换器。
VarianceThreshold	去除所有低方差特征的特征选择器。
chi2	计算每个非负特征与类别之间的卡方统计量。
f_classif	计算提供的样本的ANOVA F值。
f_regression	返回F统计量和p值的单变量线性回归检验。
mutual_info_classif	估计离散目标变量的互信息。
mutual_info_regression	估计连续目标变量的互信息。
r_regression	计算每个特征与目标之间的皮尔逊相关系数r。