f_classif

sklearn.feature_selection.f_classif(X, y)[исходный код]

Вычисляет F-значение ANOVA для предоставленной выборки.

Подробнее см. в руководстве пользователя.

Параметры:

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

Набор регрессоров, которые будут проверяться последовательно.

yarray-like of shape (n_samples,)

Целевой вектор.

Возвращает:

f_statisticndarray of shape (n_features,)

F-статистика для каждого признака.

p_valuesndarray of shape (n_features,)

P-значения, соответствующие F-статистике.

См. также

chi2

Статистика хи-квадрат для неотрицательных признаков в задачах классификации.

f_regression

F-значение между меткой и признаком для задач регрессии.

Примеры

>>> from sklearn.datasets import make_classification
>>> from sklearn.feature_selection import f_classif
>>> X, y = make_classification(
...     n_samples=100, n_features=10, n_informative=2, n_clusters_per_class=1,
...     shuffle=False, random_state=42
... )
>>> f_statistic, p_values = f_classif(X, y)
>>> f_statistic
array([2.21e+02, 7.02e-01, 1.70e+00, 9.31e-01,
       5.41e+00, 3.25e-01, 4.71e-02, 5.72e-01,
       7.54e-01, 8.90e-02])
>>> p_values
array([7.14e-27, 4.04e-01, 1.96e-01, 3.37e-01,
       2.21e-02, 5.70e-01, 8.29e-01, 4.51e-01,
       3.87e-01, 7.66e-01])

Примеры из галереи

Одномерный отбор признаков

Конвейер ANOVA SVM

SVM-Anova: SVM с одномерным отбором признаков