sklearn.feature_selection

Algorithmen zur Merkmalsauswahl.

Dazu gehören univariate Filter-Auswahlmethoden und der rekursive Merkmalseliminierungsalgorithmus.

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Merkmalsauswahl.

GenericUnivariateSelect	Univariater Merkmalsselektor mit konfigurierbarer Strategie.
RFE	Merkmalsranking mit rekursivem Merkmals-Eliminierung.
RFECV	Rekursive Merkmals-Eliminierung mit Kreuzvalidierung zur Merkmalsauswahl.
SelectFdr	Filter: Wählt die p-Werte für eine geschätzte False Discovery Rate.
SelectFpr	Filter: Wählt p-Werte unterhalb von alpha basierend auf einem FPR-Test aus.
SelectFromModel	Meta-Transformer zur Auswahl von Merkmalen basierend auf Wichtigkeitsgewichtungen.
SelectFwe	Filter: Wählt die p-Werte, die der Family-wise Error Rate entsprechen.
SelectKBest	Wählt Merkmale nach den k höchsten Punktzahlen aus.
SelectPercentile	Wählt Merkmale nach einem Perzentil der höchsten Punktzahlen aus.
SelectorMixin	Transformer-Mixin, das Merkmalsauswahl basierend auf einer Unterstützungsmaske durchführt
SequentialFeatureSelector	Transformer, der Sequential Feature Selection durchführt.
VarianceThreshold	Merkmalsselektor, der alle Merkmale mit geringer Varianz entfernt.
chi2	Berechnet Chi-Quadrat-Statistiken zwischen jedem nicht-negativen Merkmal und der Klasse.
f_classif	Berechnet den ANOVA F-Wert für die gegebene Stichprobe.
f_regression	Univariate lineare Regressionstests, die F-Statistik und p-Werte zurückgeben.
mutual_info_classif	Schätzt die gegenseitige Information für eine diskrete Zielvariable.
mutual_info_regression	Schätzt die gegenseitige Information für eine kontinuierliche Zielvariable.
r_regression	Berechnet Pearsons r für jedes Merkmal und das Ziel.