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: 免费一级毛片女人图片 | 一级做a爰在线就看 | 国产欧美日韩一区二区三区在线 | 国产真实乱系列2孕妇 | 成人免费毛片一区二区三区 | 亚洲国产欧美在线人成 | 成年人网站免费 | 有码在线 | 一本久道久久综合婷婷 | 日本韩国欧美在线 | 日韩成人黄色片 | 97公开视频| 成人欧美精品大91在线 | 日本美女一区二区三区 | 男人天堂视频在线观看 | 亚洲国产成a人v在线 | 成年男女男精品免费视频网站 | 国产成人福利视频在线观看 | 日韩欧美亚洲中字幕在线播放 | 亚洲欧美日韩在线线精品 | 青青草原色 | 国产香蕉国产精品偷在线观看 | 在线观看精品视频一区二区三区 | 99视频在线看观免费 | a级午夜毛片免费一区二区 a级性生活视频 | 亚洲影院中文字幕 | 国产成人精品午夜免费 | 国产成人做受免费视频 | 国产自偷自拍 | 中文字幕精品一区二区2021年 | 五月桃花网婷婷亚洲综合 | 中国一级特黄大片毛片 | 国产成人最新毛片基地 | 欧美三级毛片 | 求欧美精品网址 | 精品在线视频观看 | 日本亚洲国产 | 国产上床视频 | 亚洲国产毛片 | 久久精品国产亚洲片 | 亚洲国产精品a在线 |