2020-04-07
阅读量:
830
特征选择F检验标准化以后是不是跟卡方过滤没有太大区别？
卡方过滤是专门针对离散型标签（即分类问题）的相关性过滤。卡方检验类feature_selection.chi2 计算每个非负特征和标签之间的卡方统计量，并依照卡方统计量由高到低为特征排名。
F检验，又称ANOVA，方差齐性检验，是用来捕捉每个特征与标签之间的线性关系的过滤方法。它即 可以做回归也可以做分类，因此包含feature_selection.f_classif（F检验分类）和 feature_selection.f_regression（F检验回归）两个类。其中F检验分类用于标签是离散型变量的数据，而F检验回归用于标签是连续型变量的数据。F检验在数据服从正态分布时效果会非常稳定，因此 如果使用F检验过滤，我们会先将数据转换成服从正态分布的方式。
统计量的计算方法不同，但都是度量的x与y的相关性是否显著
2.7812
1
2
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2023-06-20
0条评论
CDA持证人阿涛哥
2021-03-31
0条评论
CDA持证人阿涛哥
2021-03-30
0条评论