国产成人精品久久免费动漫-国产成人精品天堂-国产成人精品区在线观看-国产成人精品日本-a级毛片无码免费真人-a级毛片毛片免费观看久潮喷

您的位置:首頁技術(shù)文章
文章詳情頁

Python方差特征過濾的實例分析

瀏覽:100日期:2022-07-29 08:24:29
說明

1、通過特征本身的方差來篩選特征。特征的方差越小,特征的變化越不明顯。

2、變化越不明顯的特征對我們區(qū)分標(biāo)簽沒有太大作用,因此應(yīng)該消除這些特征。

實例

def variance_demo(): ''' 過濾低方差特征 :return: ''' # 1. 獲取數(shù)據(jù) data = pd.read_csv(’factor_returns.csv’) data = data.iloc[:, 1:-2] print(’data:n’, data) # 2. 實例化一個轉(zhuǎn)換器類 transfer = VarianceThreshold(threshold=10) # 3. 調(diào)用fit_transform() data_new = transfer.fit_transform(data) print(’data_new:n’, data_new, data_new.shape)return None

知識點擴充:

方差過濾法

VarianceThreshold 是特征選擇的一個簡單基本方法,其原理在于–底方差的特征的預(yù)測效果往往不好。而VarianceThreshold會移除所有那些方差不滿足一些閾值的特征。默認(rèn)情況下,它將會移除所有的零方差特征,即那些在所有的樣本上的取值均不變的特征。

sklearn中的VarianceThreshold類中重要參數(shù) threshold(方差的閾值),表示刪除所有方差小于threshold的特征 #不填默認(rèn)為0——刪除所有記錄相同的特征。

import pandas as pdimport numpy as npnp.random.seed(1) #設(shè)置隨機種子,實現(xiàn)每次生成的隨機數(shù)矩陣都一樣a= np.random.randint(0, 200,10)b= np.random.randint(0, 200,10)c= np.random.randint(0, 200,10)d= [9,9,9,9,9,9,9,9,9,9]data=pd.DataFrame({'A' : a,'B' : b,'C' : c,'D' : d})datafrom sklearn.feature_selection import VarianceThresholdsel_model = VarianceThreshold(threshold = 0)#刪除不合格特征之后的新矩陣sel_model.fit_transform(data)

到此這篇關(guān)于Python方差特征過濾的實例分析的文章就介紹到這了,更多相關(guān)Python方差特征過濾的實現(xiàn)內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)!

標(biāo)簽: Python 編程
相關(guān)文章:
主站蜘蛛池模板: 国产日韩欧美一区二区三区综合 | 亚洲国产精品一区二区三区在线观看 | 中国美女黄色一级片 | 亚洲视频 在线观看 | 另类毛片 | 国内久久| 一级网站在线观看 | 成年女人毛片免费播放视频m | 99国产精品高清一区二区二区 | 亚洲在线播放视频 | 女人张开腿让男人桶视频免费大全 | 欧美成人亚洲高清在线观看 | 性生大片一级毛片免费观看 | 久久精品成人免费看 | 日本久久综合网 | www亚洲成人 | 欧美大片欧美毛片大片 | 成年性午夜免费视频网站不卡 | 日本免费在线视频 | 亚洲精品99久久久久中文字幕 | 亚洲国产一区二区三区四区 | 日本特爽特黄特刺激大片 | 草草草在线视频 | 中文字幕一区2区 | 国产成人深夜福利在线观看 | 香港三级日本三级三级人妇 | 色爽爽爽爽爽爽爽爽 | 午夜专区 | 无限观看社区在线视频 | 一级毛片视频免费 | 亚洲视频2 | 亚洲国产视频在线 | 99视频国产精品 | 日本精品在线观看 | 婷婷丁香久久 | 中文字幕或区 | 国产欧美二区三区 | 午夜淫片 | 国产看片一区二区三区 | 91看片淫黄大片.在线天堂 | 欧美一区二区在线观看 |