sklearn.feature_selection

特征选择算法。

这些包括单变量过滤选择方法和递归特征消除算法。

User guide. See the 特征选择 section for further details.

GenericUnivariateSelect	单变量特征选择器，具有可配置的策略。
RFE	特征排序与递归特征消除。
RFECV	递归特征消除与交叉验证选择特征。
SelectFdr	过滤器：选择估计的错误发现率对应的p值。
SelectFpr	过滤器：基于FPR测试选择低于alpha的p值。
SelectFromModel	元转换器，用于根据重要性权重选择特征。
SelectFwe	过滤器：选择对应于族错误率的p值。
SelectKBest	根据k个最高分数选择特征。
SelectPercentile	根据最高得分的百分位数选择特征。
SelectorMixin	Transformer mixin 提供了基于支持掩码的特征选择功能
SequentialFeatureSelector	变压器，执行顺序特征选择。
VarianceThreshold	特征选择器，移除所有低方差的特征。
chi2	计算每个非负特征与类别之间的卡方统计量。
f_classif	计算提供的样本的ANOVA F值。
f_regression	单变量线性回归测试返回F统计量和p值。
mutual_info_classif	估计离散目标变量的互信息。
mutual_info_regression	估计连续目标变量的互信息。
r_regression	计算每个特征与目标之间的皮尔逊相关系数r。