machine-learning - 理解sklearn中的f_classif

标签 machine-learning scikit-learn anova

最近为了获得最佳功能,我使用了 SelectKBest(score_func=, k=20)。 f_classif 计算分类任务的特征之间的方差分析 f 值。我已经使用过它并取得了最好的效果。我了解到方差分析 f 检验计算“类间方差”与“类内方差”的比率。但我有以下问题:

1) f_classif 是否使用特征组合来给出 f-score? 2)我可以有一个伪代码来说明 SelectKBest 的 fit 函数如何工作吗? 3)f_classif 在 sklearn 中如何工作?提前致谢。

最佳答案

f_classif 是逐个特征完成的,即单独完成。因此没有功能组合。

关于machine-learning - 理解sklearn中的f_classif,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43115690/

相关文章:

python - Keras 中具有许多整数类的文本序列到整数

python - Scikit-learn 错误地计算recall_score

python - 为什么来自 scipy.stats.bartlett 的 Bartlett 测试将 nan 作为输出?

python - 当我尝试使用 keras 标记我的 txt 字符串数组时出现参数错误

python - 如何在多个目标变量上训练我的 pylearn2 神经网络?

machine-learning - 如何在 Keras 中绘制历元与训练准确性的关系?

machine-learning - 哈希向量化器和计数向量化器在使用时有何区别?

python - 如何在Python中的pandas中按其他列中的值求和?

python - 如何找到对数线性回归的方差分析?

r - 循环 : how do I iterate through multiple columns of a dataframe? 的单向方差分析