f_classif#

sklearn.feature_selection.f_classif(X, y)[source]#

计算提供的样本的ANOVA F值。

更多信息请阅读用户指南。

参数：
X{array-like, sparse matrix} of shape (n_samples, n_features)

将按顺序测试的回归量集合。

y形状为 (n_samples,) 的类数组

目标向量。

返回:
f_statistic形状为 (n_features,) 的ndarray

每个特征的 F 统计量。

p_values形状为 (n_features,) 的ndarray

与 F 统计量相关的 P 值。

参见

chi2

用于分类任务的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。

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([2.2...e+02, 7.0...e-01, 1.6...e+00, 9.3...e-01,
       5.4...e+00, 3.2...e-01, 4.7...e-02, 5.7...e-01,
       7.5...e-01, 8.9...e-02])
>>> p_values
array([7.1...e-27, 4.0...e-01, 1.9...e-01, 3.3...e-01,
       2.2...e-02, 5.7...e-01, 8.2...e-01, 4.5...e-01,
       3.8...e-01, 7.6...e-01])