chi2#

sklearn.feature_selection.chi2(X, y)#

计算每个非负特征与类别之间的卡方统计量。

该分数可用于从X中选择具有最高卡方统计量值的 n_features 个特征，X必须仅包含**非负特征**，例如布尔值或频率（例如，文档分类中的词频），相对于类别。

回想一下，卡方检验衡量随机变量之间的依赖性，因此使用此函数可以“剔除”最可能是独立于类别的特征，因此对于分类是不相关的。

更多信息请参阅用户指南。

Parameters:

X{array-like, sparse matrix}，形状为 (n_samples, n_features): 样本向量。
yarray-like，形状为 (n_samples,): 目标向量（类别标签）。

Returns:

chi2ndarray，形状为 (n_features,): 每个特征的卡方统计量。
p_valuesndarray，形状为 (n_features,): 每个特征的P值。

See also

f_classif: 分类任务中标签/特征之间的ANOVA F值。
f_regression: 回归任务中标签/特征之间的F值。

Notes

该算法的复杂度为O(n_classes * n_features)。

Examples

>>> import numpy as np
>>> from sklearn.feature_selection import chi2
>>> X = np.array([[1, 1, 3],
...               [0, 1, 5],
...               [5, 4, 1],
...               [6, 6, 2],
...               [1, 4, 0],
...               [0, 0, 0]])
>>> y = np.array([1, 1, 0, 0, 2, 2])
>>> chi2_stats, p_values = chi2(X, y)
>>> chi2_stats
array([15.3...,  6.5       ,  8.9...])
>>> p_values
array([0.0004..., 0.0387..., 0.0116... ])

Gallery examples#

带有混合类型的列转换器