python - 如何在学习中使用 Mann-Whitney U 检验

Question

我有一个表 (X, Y)，其中 X 是一个矩阵，Y 是一个类向量。这里有一个例子:

X = 0 0 1 0 1   and Y = 1
    0 1 0 0 0           1
    1 1 1 0 1           0

我想使用 Mann-Whitney U 检验来计算特征重要性(特征选择)

from scipy.stats import mannwhitneyu
results = np.zeros((X.shape[1],2))
for i in xrange(X.shape[1]):
    u, prob = mannwhitneyu(X[:,i], Y)
    results[i,:] = u, pro

我不确定这是否正确？我为一个大表获得了很大的值，u = 990 对于某些列。

Answer 1

我不认为使用 Mann-Whitney U 检验是进行特征选择的好方法。 Mann-Whitney 测试两个变量的分布是否相同，它不会告诉您变量的相关程度。例如:

>>> from scipy.stats import mannwhitneyu
>>> a = np.arange(100)
>>> b = np.arange(100)
>>> np.random.shuffle(b)
>>> np.corrcoef(a,b)
   array([[ 1.        , -0.07155116],
          [-0.07155116,  1.        ]])
>>> mannwhitneyu(a, b)
(5000.0, 0.49951259627554112) # result for almost not correlated
>>> mannwhitneyu(a, a)
(5000.0, 0.49951259627554112) # result for perfectly correlated

因为 a 和 b 具有相同的分布，我们无法拒绝零假设，即分布相同。

并且由于在特征选择中您正在尝试寻找主要解释 Y 的特征，因此 Mann-Whitney U 不会帮助您。