16、python用方差方法选择数据特征

最新推荐文章于 2025-06-03 22:12:22 发布

原创最新推荐文章于 2025-06-03 22:12:22 发布 · 3.9k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#python特征选择方法 #方差方法选择特征

数据挖掘实战专栏收录该内容

29 篇文章

订阅专栏

本文介绍了一种基于方差的选择特征方法，通过设定方差阈值来筛选数据集中的特征，展示了如何使用Python的sklearn库实现这一过程，并通过具体案例进行了说明。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 方差选择法

先计算各个特征的方差，选择方差大于阈值的特征

2 案例

import pandas

data = pandas.read_csv('D:\\database\\pystudy\\6.2\\data1.csv')

# 查看数据框里边的数据类型

data.dtypes

# 导入计算方差的方法

from sklearn.feature_selection import VarianceThreshold

# 定义阈值为1

varianceThreshold=VarianceThreshold(threshold=1)

# 调用fit_transform的方法对特征值进行过滤


# data['累计票房']=data['累计票房'].astype('float')


varianceThreshold.fit_transform(data[['票房','评分']])

# 查看方差

data[['票房', '评分']].std()

varianceThreshold = VarianceThreshold(threshold=3)

varianceThreshold.fit_transform(data[['票房', '评分']])

varianceThreshold.get_support()