SelectByInformationValue#
- class feature_engine.selection.SelectByInformationValue(variables=None, bins=5, strategy='equal_width', threshold=0.2, confirm_variables=False)[源代码][源代码]#
SelectByInformationValue() 根据特征的信息值（IV）选择特征。信息值计算如下：
\[IV = ∑ (正样本比例 - 负样本比例) * WoE\]哪里：
- 阳性病例的比例是类别1的观测值的比例。
从总的1级观测中。
- 负样本的比例是类别0的观测值的比例，
从总的类别 0 观察中。
WoE 是证据的权重。
SelectByInformationValue() 仅适用于选择二分类的特征。
SelectByInformationValue() 可以确定数值和分类变量的 IV。对于数值变量，它首先将变量排序到区间中，然后确定 IV。
你可以传递一个变量列表来检查。或者，转换器将检查所有变量。
IV 允许你评估每个变量对目标变量的独立贡献。转换器选择那些 IV 值高于阈值的变量。
更多详情请参阅 用户指南。
- 参数
- 变量: 列表, 默认=无
要评估的变量列表。如果为 None，转换器将评估数据集中所有变量（日期时间除外）。
- bins: int, default = 5
如果数据集包含数值变量，数值将被分类的区间数量。
- strategy: str, default = ‘equal_width’
箱子应该是等宽的（’equal_width’）还是等频的（’equal_frequency’）。
- 阈值: float, int, 默认 = 0.2.
丢弃特征的阈值。如果一个特征的IV值小于阈值，该特征将被丢弃。
- confirm_variables: bool, default=False
如果设置为 True，输入数据框中不存在的变量将从变量列表中移除。仅在向参数
variables传递变量列表时使用。有关更多详细信息，请参见参数 variables。
- 属性
- 变量_
将被转换的变量组。
- 信息值_
包含每个特征信息值的字典。
- features_to_drop_：
列出将被移除的功能。
- feature_names_in_:
列出在
fit期间看到的特征名称。- n_features_in_:
在拟合过程中使用的训练集中的特征数量。
参见
参考文献
- 1
证据权重和信息价值解释 https://www.listendata.com/2015/03/weight-of-evidence-woe-and-information.html
- 2
连续变量的 WoE 和 IV https://www.listendata.com/2019/08/WOE-IV-Continuous-Dependent.html
示例
>>> import pandas as pd >>> from feature_engine.selection import SelectByInformationValue >>> X = pd.DataFrame(dict(x1 = [1,1,1,1,1,1], >>> x2 = [3,2,2,3,3,2], >>> x3 = ["a","b","c","a","c","b"])) >>> y = pd.Series([1,1,1,0,0,0]) >>> iv = SelectByInformationValue() >>> iv.fit_transform(X, y) x2 0 3 1 2 2 2 3 3 4 3 5 2
方法
拟合：
寻找具有高信息价值的功能。
fit_transform:
拟合数据，然后进行转换。
get_feature_names_out:
获取转换后的输出特征名称。
get_params:
获取此估计器的参数。
设置参数:
设置此估计器的参数。
获取支持：
获取所选特征的掩码或整数索引。
转换:
移除信息价值低的功能。
- fit(X, y)[源代码][源代码]#
学习信息价值。找到信息价值高于阈值的特征。
- 参数
- X: pandas 数据框，形状为 = [样本数, 特征数]
训练输入样本。
- y: pandas series of shape = [n_samples, ]
目标，必须是二进制文件。
- fit_transform(X, y=None, **fit_params)[源代码]#
拟合数据，然后进行转换。
使用可选参数
fit_params将转换器拟合到X和y，并返回X的转换版本。- 参数
- X类似数组的形状 (n_samples, n_features)
输入样本。
- y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组对象，默认=None
目标值（无监督变换为 None）。
- **fit_参数dict
额外的拟合参数。
- 返回
- X_newndarray 数组，形状为 (n_samples, n_features_new)
变换后的数组。
- get_metadata_routing()[源代码]#
获取此对象的元数据路由。
请查看 用户指南 以了解路由机制的工作原理。
- 返回
- 路由MetadataRequest
一个封装了路由信息的
MetadataRequest。
- get_params(deep=True)[源代码]#
获取此估计器的参数。
- 参数
- 深度bool, 默认=True
如果为真，将返回此估计器及其包含的作为估计器的子对象的参数。
- 返回
- 参数dict
参数名称映射到它们的值。
- get_support(indices=False)[源代码]#
获取所选特征的掩码或整数索引。
- 参数
- 索引bool, 默认=False
如果为真，返回值将是一个整数数组，而不是布尔掩码。
- 返回
- 支持数组
一个从特征向量中选择保留特征的索引。如果
indices为 False，这是一个形状为 [# 输入特征] 的布尔数组，其中元素为 True 表示其对应的特征被选择保留。如果indices为 True，这是一个形状为 [# 输出特征] 的整数数组，其值为输入特征向量中的索引。