f_regression#
- sklearn.feature_selection.f_regression(X, y, *, center=True, force_finite=True)[source]#
返回 F 统计量和 P 值的单变量线性回归检验。
用于测试单个回归器影响的快速线性模型，可顺序应用于多个回归器。
这分两步完成：
使用
r_regression计算每个回归器与目标之间的互相关性，如下所示：E[(X[:, i] - mean(X[:, i])) * (y - mean(y))] / (std(X[:, i]) * std(y))
将其转换为 F 值，然后再转换为 P 值。
f_regression派生自r_regression，如果所有特征都与目标呈正相关，它将以相同的顺序对特征进行排序。然而请注意，与
f_regression不同，r_regression的值介于 [-1, 1] 之间，因此可能为负。因此，推荐使用f_regression作为特征选择标准，以识别下游分类器的潜在预测特征，而无需考虑与目标变量关联的符号。此外，
f_regression返回 p 值，而r_regression则不返回。在用户指南中了解更多信息。
- 参数:
- X{类数组, 稀疏矩阵}, 形状为 (n_samples, n_features)
数据矩阵。
- y类数组, 形状为 (n_samples,)
目标向量。
- center布尔值, 默认为 True
是否对数据矩阵
X和目标向量y进行中心化。默认情况下，X和y将被中心化。- force_finite布尔值, 默认为 True
是否强制 F 统计量和相关的 P 值有限。在以下两种情况下，F 统计量预计不会是有限的：
当目标
y或X中的某些特征为常数时。在这种情况下，皮尔逊 R 相关性未定义，导致 F 统计量和 P 值中出现np.nan值。当force_finite=True时，F 统计量设置为0.0，相关 P 值设置为1.0。当
X中的某个特征与目标y完全相关（或负相关）时。在这种情况下，F 统计量预计为np.inf。当force_finite=True时，F 统计量设置为np.finfo(dtype).max，相关 P 值设置为0.0。
版本 1.1 新增。
- 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。
另请参阅
r_regression回归任务中标签/特征之间的皮尔逊 R。
f_classif分类任务中标签/特征之间的 ANOVA F 值。
chi2分类任务中非负特征的卡方统计量。
SelectKBest根据 k 个最高分数选择特征。
SelectFpr基于假阳性率测试选择特征。
SelectFdr基于估计的错误发现率选择特征。
SelectFwe基于家族错误率选择特征。
SelectPercentile基于最高分数的百分位数选择特征。
示例
>>> from sklearn.datasets import make_regression >>> from sklearn.feature_selection import f_regression >>> X, y = make_regression( ... n_samples=50, n_features=3, n_informative=1, noise=1e-4, random_state=42 ... ) >>> f_statistic, p_values = f_regression(X, y) >>> f_statistic array([1.21, 2.67e13, 2.66]) >>> p_values array([0.276, 1.54e-283, 0.11])
