sklearn.feature_selection

特征选择算法。

其中包括单变量过滤选择方法和递归特征消除算法。

用户指南。 更多详情请参阅 特征选择 章节。

GenericUnivariateSelect	具有可配置策略的单变量特征选择器。
RFE	具有递归特征消除的特征排名。
RFECV	具有交叉验证的递归特征消除以选择特征。
SelectFdr	过滤器：为估算的错误发现率选择 p 值。
SelectFpr	过滤器：根据 FPR 测试选择低于 alpha 的 p 值。
SelectFromModel	基于重要性权重选择特征的元转换器。
SelectFwe	过滤器：选择对应于家庭误差率的 p 值。
SelectKBest	根据 k 个最高分数选择特征。
SelectPercentile	根据最高分数的百分位数选择特征。
SelectorMixin	在给定支持掩码的情况下执行特征选择的转换器混入类。
SequentialFeatureSelector	执行顺序特征选择的转换器。
VarianceThreshold	移除所有低方差特征的特征选择器。
chi2	计算每个非负特征和类之间的卡方统计量。
f_classif	计算所提供样本的 ANOVA F 值。
f_regression	返回 F 统计量和 p 值的单变量线性回归测试。
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（Pearson's r）。