chi2

sklearn.feature_selection.chi2(X, y)[source]

Вычисление статистики хи-квадрат между каждым неотрицательным признаком и классом.

Этот показатель может быть использован для выбора n_features признаков с наибольшими значениями для тестовой статистики хи-квадрат из X, который должен содержать только неотрицательные целочисленные значения признаков, такие как булевы значения или частоты (например, количество терминов в классификации документов), по отношению к классам.

Если некоторые из ваших признаков являются непрерывными, вам необходимо их разбить на интервалы, например, с помощью KBinsDiscretizer.

Напомним, что тест хи-квадрат измеряет зависимость между стохастическими переменными, поэтому использование этой функции «отбраковывает» признаки, которые наиболее вероятно независимы от класса и, следовательно, не являются релевантными для классификации.

Дополнительную информацию можно найти в Руководстве пользователя.

Parameters:

X{array-like, sparse matrix} of shape (n_samples, n_features)

Векторы образцов.

yarray-like of shape (n_samples,)

Вектор целевых значений (метки классов).

Returns:

chi2ndarray of shape (n_features,)

Статистики хи-квадрат для каждого признака.

p_valuesndarray of shape (n_features,)

P-значения для каждого признака.

См. также

f_classif

Значение ANOVA F между меткой/признаком для задач классификации.

f_regression

Значение F между меткой/признаком для задач регрессии.

Примечания

Сложность этого алгоритма составляет O(n_classes * n_features).

Примеры

>>> import numpy as np
>>> from sklearn.feature_selection import chi2
>>> X = np.array([[1, 1, 3],
...               [0, 1, 5],
...               [5, 4, 1],
...               [6, 6, 2],
...               [1, 4, 0],
...               [0, 0, 0]])
>>> y = np.array([1, 1, 0, 0, 2, 2])
>>> chi2_stats, p_values = chi2(X, y)
>>> chi2_stats
array([15.3...,  6.5       ,  8.9...])
>>> p_values
array([0.0004..., 0.0387..., 0.0116... ])

Примеры из галереи

Преобразователь столбцов с различными типами