sklearn.feature_selection.chi2?

sklearn.feature_selection.chi2(X, y)

[源碼]

計算每個非負特征與類之間的卡方統計量。

該分數可用于從X中選擇測試卡方統計量值最高的特征，相對于類，該特征必須僅包含非負特征，例如布爾值或頻率（例如，文檔分類中的術語計數）。

回想一下，卡方檢驗可測量隨機變量之間的相關性，因此使用此功能可以“淘汰”最有可能與類別無關的特征。

在用戶指南中閱讀更多內容。

參數 說明
X {array-like, sparse matrix} of shape (n_samples, n_features)
樣本向量。
y array-like of shape (n_samples,)
目標向量（類標簽）。
返回值 說明
chi2 array, shape = (n_features,)
每個特征的chi2統計信息。
pval array, shape = (n_features,)
每個特征的p值。

另見

  • f_classif

    標簽和特征之間的ANOVA F值，用于分類任務。

  • f_regression

    回歸任務的標簽和特征之間的F值。

注

該算法的復雜度為O（n_classes * n_features）。