sklearn.feature_selection.SelectorMixin?
class sklearn.feature_selection.SelectorMixin
在給定支持掩碼的情況下執行特征選擇的混合轉換器。
此混合器提供了一個特征選擇器的實現,提供 transform
和inverse_transform
功能,并給出了_get_support_mask
掩碼的實現。
方法
方法 | 說明 |
---|---|
fit_transform (self, X[, y]) |
擬合數據, 然后轉換它。 |
get_support (self[, indices]) |
獲取所選特征的掩碼或整數索引。 |
inverse_transform (self, X) |
逆轉換操作。 |
transform (self, X) |
將X降為選定的特征。 |
__init__(self, /, *args, **kwargs)
初始化self. 請參閱help(type(self))以獲得準確的說明。
fit_transform(self, X, y=None, **fit_params)
擬合數據, 然后轉換它。
使用可選參數fit_params使轉換器安擬合X和y,并返回轉換后的X版本。
參數 | 說明 |
---|---|
X | {array-like, sparse matrix, dataframe} of shape (n_samples, n_features) |
y | ndarray of shape (n_samples,), default=None 目標值。 |
**fit_params | dict 附加擬合參數 |
返回值 | 說明 |
---|---|
X_new | ndarray array of shape (n_samples, n_features_new) 轉換后的數組 |
get_support(self, indices=False)
獲取所選特征的掩碼或整數索引。
參數 | 說明 |
---|---|
indices | boolean (default False) 如果為True,則返回值將是整數數組,而不是布爾掩碼。 |
返回值 | 說明 |
---|---|
support | array 從特征向量中選擇保留的特征的索引。如果 indices 是False,這是一個形狀是[# input features]的布爾數組,其中一個元素是True,當且僅當它的對應特征被選擇以保留。如果索引為True,則這是一個形狀為[# output features]的整數數組,其值是輸入特征向量中的索引。 |
inverse_transform(self, X)
逆轉換操作。
參數 | 說明 |
---|---|
X | array of shape [n_samples, n_selected_features] 輸入樣本。 |
返回值 | 說明 |
---|---|
X_r | array of shape [n_samples, n_original_features] x中插入零列,在其中通過 transform 移除特征。 |
transform(self, X)
將X降為選定的特征。
參數 | 說明 |
---|---|
X | array of shape [n_samples, n_selected_features] 輸入樣本。 |
返回值 | 說明 |
---|---|
X_r | array of shape [n_samples, n_original_features] 只具有所選特征的輸入樣本。 |