sklearn.feature_selection.SelectorMixin¶

class sklearn.feature_selection.SelectorMixin

在给定支持掩码的情况下执行特征选择的混合转换器。

此混合器提供了一个特征选择器的实现，提供 transform和inverse_transform功能，并给出了_get_support_mask掩码的实现。

方法

__init__(self, /, *args, **kwargs)

初始化self. 请参阅help(type(self))以获得准确的说明。

fit_transform(self, X, y=None, **fit_params)

拟合数据，然后转换它。

使用可选参数fit_params使转换器安拟合X和y，并返回转换后的X版本。

参数	说明
X	{array-like, sparse matrix, dataframe} of shape (n_samples, n_features)
y	ndarray of shape (n_samples,), default=None 目标值。
**fit_params	dict 附加拟合参数

返回值	说明
X_new	ndarray array of shape (n_samples, n_features_new) 转换后的数组

get_support(self, indices=False)

获取所选特征的掩码或整数索引。

参数	说明
indices	boolean (default False) 如果为True，则返回值将是整数数组，而不是布尔掩码。

返回值	说明
support	array 从特征向量中选择保留的特征的索引。如果`indices`是False，这是一个形状是[# input features]的布尔数组，其中一个元素是True，当且仅当它的对应特征被选择以保留。如果索引为True，则这是一个形状为[# output features]的整数数组，其值是输入特征向量中的索引。

inverse_transform(self, X)

逆转换操作。

参数	说明
X	array of shape [n_samples, n_selected_features] 输入样本。

返回值	说明
X_r	array of shape [n_samples, n_original_features] x中插入零列，在其中通过`transform`移除特征。

transform(self, X)

将X降为选定的特征。

参数	说明
X	array of shape [n_samples, n_selected_features] 输入样本。

返回值	说明
X_r	array of shape [n_samples, n_original_features] 只具有所选特征的输入样本。