sklearn.feature_selection.SelectFdr¶

class sklearn.feature_selection.SelectFdr(score_func=<function f_classif>, *, alpha=0.05)

过滤器：为估计的错误发现率选择p值

这使用了Benjamini-Hochberg过程。alpha是预期的错误发现率的上限。

在用户指南中阅读更多内容。

参数	说明
score_func	callable 函数接受两个数组X和y，并返回一对数组（分数，p值）或带分数的单个数组。默认值为f_classif（请参见下文“另见”）。默认函数仅适用于分类任务。
alpha	float, optional 要保留特征的最高未校正p值。

属性	说明
scores_	array-like of shape (n_features,) 特征分数。
pvalues_	array-like of shape (n_features,) 特征分数的p值。

另见

f_classif

标签和特征之间的ANOVA F值，用于分类任务。

mutual_info_classif

离散目标的相互信息。

chi2

分类任务的非负特征的卡方统计。

f_regression

回归任务的标签和特征之间的F值。

mutual_info_regression

连续目标的相互信息。

SelectPercentile

根据最高分数的百分位数选择特征。

SelectKBest

根据k个最高分数选择特征。

SelectFpr

根据误报率测试选择特征。

SelectFwe

根据多重比较错误率选择特征。

GenericUnivariateSelect

具有可配置模式的单变量特征选择器。

参考

https://zh.wikipedia.org/wiki/False_discovery_rate

示例

>>> from sklearn.datasets import load_breast_cancer
>>> from sklearn.feature_selection import SelectFdr, chi2
>>> X, y = load_breast_cancer(return_X_y=True)
>>> X.shape
(569, 30)
>>> X_new = SelectFdr(chi2, alpha=0.01).fit_transform(X, y)
>>> X_new.shape
(569, 16)

方法

方法	说明
`fit`(X, y)	在（X，y）上运行score函数并获得适当的特征。
`fit_transform`(X[, y])	拟合数据，然后对其进行转换。
`get_params`([deep])	获取此估计器的参数。
`get_support`([indices])	获取所选特征的掩码或整数索引。
`inverse_transform`(X)	反向转换操作
`set_params`(**params)	设置此估计器的参数。
`transform`(X)	将X缩小为选定的特征。

__init__(score_func=<function f_classif>, *, alpha=0.05)

[源码]

初始化self，参见help(type(self))获取更多信息。

fit(X, y)

[源码]

在(X, y)上运行score函数，得到相应的特征。

参数	说明
X	array-like of shape (n_samples, n_features) 训练样本。
y	array-like of shape (n_samples,) 目标值（分类中的类标签，回归中的真实值）。

返回值	说明
self	object

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

[源码]

拟合数据，然后对其进行转换。

使用可选参数fit_params将转换器拟合到X和y，并返回X的转换值。

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 其他拟合参数。

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

get_params(deep=True)

[源码]

获取此估计器的参数。

参数	说明
deep	bool, default=True 如果为True，则将返回此估算器和所包含子对象的参数。

返回值	说明
params	mapping of string to any 参数名称映射到其值。

get_support(indices=False)

[源码]

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，则返回值将是一个整数数组，而不是布尔掩码。

返回值	说明
support	array 从特征向量中选择保留特征的索引。如果`indices`为False，则为形状为[＃输入特征]的布尔数组，其中元素为True时（如果已选择其对应的特征进行保留）。如果`indices`为True，则这是一个形状为[＃输出特征]的整数数组，其值是输入特征向量的索引。

inverse_transform(X)

[源码]

反向转换操作。

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`中插入的列名为零的特征将被`transform`删除。

set_params(**params)

[源码]

设置此估算器的参数。

该方法适用于简单的估计器以及嵌套对象（例如管道）。后者具有<component>__<parameter>形式的参数，以便可以更新嵌套对象的每个组件。

参数	说明
**params	dict 估计器参数。

返回值	说明
self	object 估计器实例。

transform(X)

[源码]

将X缩小为选定的特征。

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

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