f_classif#
- sklearn.feature_selection.f_classif(X, y)[source]#
计算给定样本的 ANOVA F 值。
更多信息请参阅用户指南。
- 参数:
- X{类数组对象, 稀疏矩阵}，形状为 (n_samples, n_features)
将按顺序测试的回归器集合。
- y类数组对象，形状为 (n_samples,)
目标向量。
- 返回:
- f_statisticndarray，形状为 (n_features,)
每个特征的 F 统计量。
- p_valuesndarray，形状为 (n_features,)
与 F 统计量相关的 P 值。
另请参阅
chi2用于分类任务的非负特征的卡方统计量。
f_regression用于回归任务的标签/特征之间的 F 值。
示例
>>> from sklearn.datasets import make_classification >>> from sklearn.feature_selection import f_classif >>> X, y = make_classification( ... n_samples=100, n_features=10, n_informative=2, n_clusters_per_class=1, ... shuffle=False, random_state=42 ... ) >>> f_statistic, p_values = f_classif(X, y) >>> f_statistic array([2.21e+02, 7.02e-01, 1.70e+00, 9.31e-01, 5.41e+00, 3.25e-01, 4.71e-02, 5.72e-01, 7.54e-01, 8.90e-02]) >>> p_values array([7.14e-27, 4.04e-01, 1.96e-01, 3.37e-01, 2.21e-02, 5.70e-01, 8.29e-01, 4.51e-01, 3.87e-01, 7.66e-01])
