SelectPercentile#

class sklearn.feature_selection.SelectPercentile(score_func=<function f_classif>, *, percentile=10)[source]#

根据最高分数的百分位数选择特征。

更多信息请参见用户指南。

参数：

score_funccallable, default=f_classif: 接受两个数组X和y作为输入，并返回一对数组（scores，pvalues）或单个包含分数的数组的函数。默认为f_classif（参见下面的“另请参见”）。默认函数仅适用于分类任务。

0.18版本新增。
percentileint, default=10: 要保留的特征百分比。

属性：

scores_array-like of shape (n_features,): 特征的分数。
pvalues_array-like of shape (n_features,): 特征分数的p值，如果score_func仅返回分数，则为None。
n_features_in_int: 在拟合过程中观察到的特征数量。

在0.24版本中添加。
feature_names_in_形状为(n_features_in_,) 的ndarray: 在拟合过程中观察到的特征名称。仅当X的特征名称全部为字符串时才定义。

在1.0版本中添加。

另请参阅

f_classif: 分类任务中标签/特征之间的ANOVA F值。
mutual_info_classif: 离散目标的互信息。
chi2: 分类任务中非负特征的卡方统计量。
f_regression: 回归任务中标签/特征之间的F值。
mutual_info_regression: 连续目标的互信息。
SelectKBest: 基于k个最高分选择特征。
SelectFpr: 基于错误发现率检验选择特征。
SelectFdr: 基于估计的错误发现率选择特征。
SelectFwe: 基于全族错误率选择特征。
GenericUnivariateSelect: 具有可配置模式的单变量特征选择器。

备注

具有相同分数的特征之间的平局将以未指定的方式打破。

此过滤器支持无监督特征选择，该选择仅请求X来计算分数。

示例

>>> from sklearn.datasets import load_digits
>>> from sklearn.feature_selection import SelectPercentile, chi2
>>> X, y = load_digits(return_X_y=True)
>>> X.shape
(1797, 64)
>>> X_new = SelectPercentile(chi2, percentile=10).fit_transform(X, y)
>>> X_new.shape
(1797, 7)

fit(X, y=None)[源代码]#

对(X, y)运行评分函数并获取相应的特征。

参数：

X形状为(n_samples, n_features) 的类数组: 训练输入样本。
y形状为(n_samples,) 或 None 的类数组: 目标值（分类中的类别标签，回归中的实数）。如果选择器是无监督的，则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]#

拟合数据，然后转换它。

使用可选参数fit_params将转换器拟合到X和y，并返回X的转换版本。

参数：

X形状为(n_samples, n_features) 的类数组: 输入样本。
y形状为(n_samples,) 或 (n_samples, n_outputs) 的类数组，默认为None: 目标值（无监督转换则为None）。
**fit_params字典: 附加拟合参数。

返回:

X_new形状为(n_samples, n_features_new) 的ndarray数组: 转换后的数组。

get_feature_names_out(input_features=None)[源代码]#

根据选择的特征掩码特征名称。

参数：

input_features字符串的类数组或None，默认为None

输入特征。

如果input_features为None，则使用feature_names_in_作为输入特征名称。如果feature_names_in_未定义，则生成以下输入特征名称：["x0", "x1", ..., "x(n_features_in_ - 1)"]。
如果input_features是类数组，则如果定义了feature_names_in_，则input_features必须与feature_names_in_匹配。

返回:

feature_names_out字符串对象的ndarray: 转换后的特征名称。

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请查看用户指南，了解路由机制的工作原理。

返回:

routingMetadataRequest: 一个MetadataRequest 封装了路由信息。

get_params(deep=True)[源代码]#

获取此估计器的参数。

参数：

deep布尔值，默认为True: 如果为True，则将返回此估计器和包含的作为估计器的子对象的参数。

返回:

params字典: 参数名称映射到其值。

get_support(indices=False)[源代码]#

获取所选特征的掩码或整数索引。

参数：

indices布尔值，默认为False: 如果为True，则返回值将是一个整数数组，而不是布尔掩码。

返回:

support数组: 一个索引，用于从特征向量中选择保留的特征。如果indices为False，则这是一个形状为[#输入特征]的布尔数组，其中一个元素为True当且仅当其对应的特征被选中以保留。如果indices为True，则这是一个形状为[#输出特征]的整数数组，其值为输入特征向量的索引。

inverse_transform(X)[source]#

反转转换操作。

参数：