sklearn.feature_selection.f_regression

sklearn.feature_selection.f_regression(X, y, *, center=True)

[源码]

单变量线性回归测试。

一种线性模型，用于测试多个回归因子中每一个的单独效果。这是用于特征选择程序的评分函数，而不是独立的特征选择程序。

分两个步骤完成：

  1. 计算每个回归变量与目标之间的相关性，即（（（X [:, i]-mean（X [:, i]））（y-mean_y））/（std（X [:, i] ） std（y））。
  2. 将其转换为F分数，然后转换为p值。

有关使用的更多信息，请参见用户指南。

参数 说明
X {array-like, sparse matrix} shape = (n_samples, n_features)
将依次测试的一组回归变量集合。
y array of shape(n_samples).
数据矩阵。
center True, bool,
如果为true，则X和y将居中。
返回值 说明
F array, shape=(n_features,)
特征的F值。
pval array, shape=(n_features,)
F得分的p值。

另见

  • mutual_info_regression

    共同目标的共同信息。

  • f_classif

    标签与特征之间的ANOVA F值，用于分类任务。

  • chi2

    分类任务的非负特征的卡方统计。

  • 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。

  • SelectFdr

    根据估计的错误发现率选择特征。

  • SelectFwe

    根据多重比较错误率选择特征。

  • SelectPercentile

    根据最高分数的百分位数选择特征。