sklearn.feature_selection.VarianceThreshold?

class sklearn.feature_selection.VarianceThreshold(threshold=0.0)

[源碼]

刪除所有低方差特征的特征選擇器。

此特征選擇算法僅查看特征（X），而不查看所需的輸出（y），因此可用于無監督學習。

在用戶指南中閱讀更多內容。

參數	說明
threshold	float, optional 訓練集方差低于此閾值的特征將被刪除。默認設置是保留所有具有非零方差的特征，即刪除所有樣本中具有相同值的特征。

屬性	說明
variances_	array, shape (n_features,)

注

在輸入中允許使用NaN。

示例

下面的數據集具有整數特征，每個樣本中有兩個特征是相同的。這些是使用閾值的默認設置刪除的：

>>> X = [[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]]
>>> selector = VarianceThreshold()
>>> selector.fit_transform(X)
array([[2, 0],
       [1, 4],
       [1, 1]])

方法

方法	說明
`fit`(X[, y])	從X中學習經驗方差。
`fit_transform`(X[, y])	擬合數據，然后對其進行轉換。
`get_params`([deep])	獲取此估計器的參數。
`get_support`([indices])	獲取所選特征的掩碼或整數索引。
`inverse_transform`(X)	反向轉換操作
`set_params`(**params)	設置此估計器的參數。
`transform`(X)	將X縮小為選定的特征。

__init__(threshold=0.0)

[源碼]

初始化self，參見help(type(self))獲取更多信息。

fit(X, y=None)

[源碼]

從X中學習經驗方差。

參數	說明
X	{array-like, sparse matrix}, shape (n_samples, n_features) 用于計算方差的樣本向量。
y	any 忽略。存在此參數是為了與sklearn.pipeline.Pipeline兼容。

返回值	說明
self

fit_transform(X, y=None, **fit_params)

[源碼]

擬合數據，然后對其進行轉換。

使用可選參數fit_params將轉換器擬合到X和y，并返回X的轉換值。

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 其他擬合參數。

返回值	說明
X_new	ndarray array of shape (n_samples, n_features_new) 轉換后的數組。

get_params(deep=True)

[源碼]

獲取此估計器的參數。

參數	說明
deep	bool, default=True 如果為True，則將返回此估算器和所包含子對象的參數。

返回值	說明
params	mapping of string to any 參數名稱映射到其值。

get_support(indices=False)

[源碼]

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，則返回值將是一個整數數組，而不是布爾掩碼。

返回值	說明
support	array 從特征向量中選擇保留特征的索引。如果`indices`為False，則為形狀為[＃輸入特征]的布爾數組，其中元素為True時（如果已選擇其對應的特征進行保留）。如果`indices`為True，則這是一個形狀為[＃輸出特征]的整數數組，其值是輸入特征向量的索引。

inverse_transform(X)

[源碼]

反向轉換操作。

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`中插入的列名為零的特征將被`transform`刪除。

set_params(**params)

[源碼]

設置此估算器的參數。

該方法適用于簡單的估計器以及嵌套對象（例如管道）。后者具有<component>__<parameter>形式的參數，以便可以更新嵌套對象的每個組件。

參數	說明
**params	dict 估計器參數。

返回值	說明
self	object 估計器實例。

transform(X)

[源碼]

將X縮小為選定的特征。

參數	說明
X	array of shape [n_samples, n_features] 輸入樣本。

返回值	說明
X_r	array of shape [n_samples, n_selected_features] 僅具有所選特征的輸入樣本。