sklearn.feature_selection

Алгоритмы выбора признаков.

К ним относятся методы одномерной фильтрации и алгоритм рекурсивного исключения признаков.

Руководство пользователя. См. Выбор признаков раздел для дальнейших деталей.

GenericUnivariateSelect	Одномерный селектор признаков с настраиваемой стратегией.
RFE	Ранжирование признаков с рекурсивным исключением признаков.
RFECV	Рекурсивное исключение признаков с перекрестной проверкой для выбора признаков.
SelectFdr	Фильтр: Выбрать p-значения для расчетной частоты ложных открытий.
SelectFpr	Фильтр: Выбрать p-значения ниже alpha на основе теста FPR.
SelectFromModel	Мета-трансформер для выбора признаков на основе весов важности.
SelectFwe	Фильтр: Выберите p-значения, соответствующие семейной ошибке.
SelectKBest	Выбор признаков по k наивысшим оценкам.
SelectPercentile	Выбор признаков в соответствии с процентилем наивысших оценок.
SelectorMixin	Миксин-трансформер, выполняющий выбор признаков по заданной маске поддержки
SequentialFeatureSelector	Преобразователь, выполняющий последовательный отбор признаков.
VarianceThreshold	Селектор признаков, который удаляет все признаки с низкой дисперсией.
chi2	Вычислите статистику хи-квадрат между каждым неотрицательным признаком и классом.
f_classif	Вычислить F-значение ANOVA для предоставленной выборки.
f_regression	Одномерные линейные регрессионные тесты, возвращающие F-статистику и p-значения.
mutual_info_classif	Оценить взаимную информацию для дискретной целевой переменной.
mutual_info_regression	Оценить взаимную информацию для непрерывной целевой переменной.
r_regression	Вычислить коэффициент корреляции Пирсона для каждого признака и целевой переменной.