• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    Python方差特征过滤的实例分析

    说明

    1、通过特征本身的方差来筛选特征。特征的方差越小,特征的变化越不明显。

    2、变化越不明显的特征对我们区分标签没有太大作用,因此应该消除这些特征。

    实例

    def variance_demo():
        """
        过滤低方差特征
        :return:
        """
        # 1. 获取数据
        data = pd.read_csv('factor_returns.csv')
        data = data.iloc[:, 1:-2]
        print('data:\n', data)
     
        # 2. 实例化一个转换器类
        transfer = VarianceThreshold(threshold=10)
     
        # 3. 调用fit_transform()
        data_new = transfer.fit_transform(data)
        print('data_new:\n', data_new, data_new.shape)
     
       
        return None

    知识点扩充:

    方差过滤法

    VarianceThreshold 是特征选择的一个简单基本方法,其原理在于–底方差的特征的预测效果往往不好。而VarianceThreshold会移除所有那些方差不满足一些阈值的特征。默认情况下,它将会移除所有的零方差特征,即那些在所有的样本上的取值均不变的特征。

    sklearn中的VarianceThreshold类中重要参数 threshold(方差的阈值),表示删除所有方差小于threshold的特征 #不填默认为0——删除所有记录相同的特征。

    import pandas as pd
    import numpy as np
    np.random.seed(1) #设置随机种子,实现每次生成的随机数矩阵都一样
    a= np.random.randint(0, 200,10)
    b= np.random.randint(0, 200,10)
    c= np.random.randint(0, 200,10)
    d= [9,9,9,9,9,9,9,9,9,9]
    data=pd.DataFrame({"A" : a,"B" : b,"C" : c,"D" : d})
    data
    from sklearn.feature_selection import VarianceThreshold
    sel_model = VarianceThreshold(threshold = 0)
    #删除不合格特征之后的新矩阵
    sel_model.fit_transform(data)

    到此这篇关于Python方差特征过滤的实例分析的文章就介绍到这了,更多相关Python方差特征过滤的实现内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

    上一篇:Python高级架构模式知识点总结
    下一篇:Python特征降维知识点总结
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    Python方差特征过滤的实例分析 Python,方差,特征,过滤,的,