VarianceThreshold

classsklearn.feature_selection.VarianceThreshold(threshold=0.0)[source]

Селектор признаков, удаляющий все признаки с низкой дисперсией.

Этот алгоритм отбора признаков анализирует только признаки (X), а не целевые выходные значения (y), поэтому его можно использовать для обучения без учителя.

Подробнее см. в Руководстве пользователя.

Параметры:

thresholdfloat, по умолчанию=0

Признаки, дисперсия которых на обучающей выборке ниже этого порога, будут удалены. По умолчанию сохраняются все признаки с ненулевой дисперсией, то есть удаляются признаки, имеющие одинаковое значение во всех образцах.

Атрибуты:

variances_массив, форма (n_features,)

Дисперсии отдельных признаков.

n_features_in_int

Количество признаков, полученных во время обучения.

Добавлено в версии 0.24.

feature_names_in_ndarray формы (n_features_in_,)

Имена признаков, полученных во время обучения. Определяется только в том случае, если X содержит имена признаков, представленные строками.

Добавлено в версии 1.0.

См. также

SelectFromModel

Мета-преобразователь для отбора признаков на основе весов важности.

SelectPercentile

Отбирает признаки в соответствии с процентилем наивысших оценок.

SequentialFeatureSelector

Преобразователь, выполняющий последовательный отбор признаков.

Примечания

Допускает NaN во входных данных. Вызывает ValueError, если ни один признак в X не соответствует порогу дисперсии.

Примеры

В следующем наборе данных представлены целочисленные признаки, два из которых одинаковы во всех образцах. При настройке порога по умолчанию они удаляются:

>>> from sklearn.feature_selection import VarianceThreshold
>>> X = [[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]]
>>> selector = VarianceThreshold()
>>> selector.fit_transform(X)
array([[2, 0],
       [1, 4],
       [1, 1]])

fit(X, y=None)[source]

Вычисляет эмпирические дисперсии по X.

Параметры:

X{массивоподобная структура, разреженная матрица}, форма (n_samples, n_features)

Данные, по которым вычисляются дисперсии; n_samples — число образцов, а n_features — число признаков.

yлюбое, по умолчанию=None

Игнорируется. Этот параметр существует только для совместимости с sklearn.pipeline.Pipeline.

Возвращает:

selfобъект

Возвращает сам экземпляр.

fit_transform(X, y=None, **fit_params)[source]

Обучает преобразователь на данных, а затем преобразует их.

Обучает преобразователь на X и y с необязательными параметрами fit_params и возвращает преобразованную версию X.

Параметры:

Xмассивоподобная структура формы (n_samples, n_features)

Входные образцы.

yмассивоподобная структура формы (n_samples,) или (n_samples, n_outputs), по умолчанию=None

Целевые значения (None для преобразований без учителя).

**fit_paramsdict

Дополнительные параметры обучения. Передавайте их только в том случае, если оценщик принимает дополнительные параметры в методе fit.

Возвращает:

X_newмассив ndarray формы (n_samples, n_features_new)

Преобразованный массив.

get_feature_names_out(input_features=None)[source]

Фильтрует имена признаков в соответствии с выбранными признаками.

Параметры:

input_featuresмассивоподобная структура из строк или None, по умолчанию=None

Входные признаки.

• Если input_features равно None, то feature_names_in_ используется в качестве имен входных признаков. Если feature_names_in_ не определено, генерируются следующие имена входных признаков: ["x0", "x1", ..., "x(n_features_in_ - 1)"].
• Если input_features является массивоподобной структурой, то input_features должно соответствовать feature_names_in_, если определено feature_names_in_.

Возвращает:

feature_names_outndarray из строковых объектов

Преобразованные имена признаков.

get_metadata_routing()[source]

Получает маршрутизацию метаданных этого объекта.

О том, как работает механизм маршрутизации, см. в Руководстве пользователя.

Возвращает:

routingMetadataRequest

Объект MetadataRequest, содержащий сведения о маршрутизации.

get_params(deep=True)[source]

Получает параметры этого оценщика.

Параметры:

deepbool, по умолчанию=True

Если True, возвращает параметры этого оценщика и содержащихся в нём вложенных объектов, являющихся оценщиками.

Возвращает:

paramsdict

Имена параметров, сопоставленные с их значениями.

get_support(indices=False)[source]

Возвращает маску или целочисленные индексы выбранных признаков.

Параметры:

indicesbool, по умолчанию=False

Если True, возвращаемым значением будет массив целых чисел, а не булева маска.

Возвращает:

supportмассив

Индекс, выбирающий сохраняемые признаки из вектора признаков. Если indices равно False, это булев массив формы [# входных признаков], в котором элемент равен True тогда и только тогда, когда соответствующий признак выбран для сохранения. Если indices равно True, это целочисленный массив формы [# выходных признаков], значения которого являются индексами во входном векторе признаков.

inverse_transform(X)[source]

Отменяет преобразование.

Параметры:

Xмассив формы [n_samples, n_selected_features]

Входные образцы.

Возвращает:

X_originalмассив формы [n_samples, n_original_features]

X с добавленными столбцами нулей в тех местах, где признаки были удалены методом transform.

set_output(*, transform=None)[source]

Задаёт контейнер для выходных данных.

Подробнее см. в руководстве пользователя; пример использования API приведён в разделе «Знакомство с API set_output».

Параметры:

transform{“default”, “pandas”, “polars”}, по умолчанию=None

Настраивает формат вывода для transform и fit_transform.

• "default": формат вывода преобразователя по умолчанию
• "pandas": вывод в формате DataFrame
• "polars": вывод в формате Polars
• None: конфигурация преобразования не изменяется

Добавлено в версии 1.4: добавлена опция "polars".

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

set_params(**params)[source]

Задаёт параметры этого оценщика.

Метод работает как с простыми оценщиками, так и с вложенными объектами (например, Pipeline). У последних параметры имеют вид <component>__<parameter>, что позволяет обновлять каждый компонент вложенного объекта.

Параметры:

**paramsdict

Параметры оценщика.

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

transform(X)[source]

Оставляет в X только выбранные признаки.

Параметры:

Xмассив формы [n_samples, n_features]

Входные образцы.

Возвращает:

X_rмассив формы [n_samples, n_selected_features]

Входные образцы, содержащие только выбранные признаки.