feature-selection - 使用 ANOVA 和 LASSO 进行特征选择
问题描述
我有这个用于特征选择的代码,但我并没有真正理解它背后的逻辑。我想知道是否有人可以为我提供一些解释。
selector = feature_selection.SelectKBest(score_func=
feature_selection.f_classif, k=10).fit(X,y)
anova_selected_features = feature_names[selector.get_support()]
## Lasso regularization
selector = feature_selection.SelectFromModel(estimator=
linear_model.LogisticRegression(C=1, penalty="l1",
solver='liblinear'), max_features=10).fit(X,y)
lasso_selected_features = feature_names[selector.get_support()]```
解决方案
推荐阅读
- acumatica - Acumatica 报告“来自 JAMS 表的列名无效”错误
- flutter - Flutter modal 底片全高
- spring-integration - 使用 Spring Data Mongo 和 Spring Integration 与 Azure CosmosDB (MongoDB) 的连接问题
- c# - 为什么我的 AJAX 表单从我在 ASP.NET Core 的部分视图中发布了多次?
- azure - 如何使用 PowerShell 在 Azure 存储容器内创建文件夹结构
- reporting-services - SSRS 报告服务器遇到配置错误
- hadoop - 集群中的 HBase 安装 - 主服务器正在初始化错误
- nginx - 在端口 443 上没有到主机的路由
- javascript - 使用 Alpine.js 组件克隆 HTML 元素
- ios - iOS:scanForPeripheralsWithServices 无法找到设备,而 nRF Connect 应用程序能够找到它