机器学习——08、特征选择

标签：tran   com   指标   turn   alt   src   技术   div   学习   

用过滤法对以下数据进行特征选择：

                             [[0,2,0,3],

                              [0,1,4,3],

                              [0,1,1,3]]

要求：

1、Variance Threshold（threshold =1.0）

2、将结果截图放上来（没有条件的备注说明原因）注意：每个人的电脑ID是不一样的

特征选择的原因：

①冗余：部分特征的相关度搞，容易消耗计算性能

②噪音：部分特征对预测结果有影响。

这里的特征选择就是降低维度，即选择最合适的特征数量，过滤式筛选指标是方差大小。

步骤：①初始化variance threshold，指定阈值方差。②调用fit_transform。

 源代码：

#过滤式特征选择
from sklearn.feature_selection import VarianceThreshold

def var():
    #特征选择-删除低方差的特征

    var=VarianceThreshold(threshold=1.0)  #初始化variance threshold，指定阈值方差
    data=var.fit_transform([[0,2,0,3],[0,1,4,3],[0,1,1,3]])   #调用fit_transform

    print(data)
    return None

if __name__ == "__main__":
    var();

                                                                                                       图1 阈值方差为1的结果

                                                                                                      图2 阈值方差为0的结果

机器学习——08、特征选择

标签：tran   com   指标   turn   alt   src   技术   div   学习   

原文地址：https://www.cnblogs.com/lcj170/p/12799725.html