Python方差特征過(guò)濾的實(shí)例分析
說(shuō)明
1、通過(guò)特征本身的方差來(lái)篩選特征。特征的方差越小，特征的變化越不明顯。
2、變化越不明顯的特征對(duì)我們區(qū)分標(biāo)簽沒(méi)有太大作用，因此應(yīng)該消除這些特征。
實(shí)例
def variance_demo():
"""
過(guò)濾低方差特征
:return:
"""
# 1. 獲取數(shù)據(jù)
data = pd.read_csv('factor_returns.csv')
data = data.iloc[:, 1:-2]
print('data:\n', data)
# 2. 實(shí)例化一個(gè)轉(zhuǎn)換器類(lèi)
transfer = VarianceThreshold(threshold=10)
# 3. 調(diào)用fit_transform()
data_new = transfer.fit_transform(data)
print('data_new:\n', data_new, data_new.shape)
return None
知識(shí)點(diǎn)擴(kuò)充：
方差過(guò)濾法
VarianceThreshold 是特征選擇的一個(gè)簡(jiǎn)單基本方法,其原理在于–底方差的特征的預(yù)測(cè)效果往往不好。而VarianceThreshold會(huì)移除所有那些方差不滿(mǎn)足一些閾值的特征。默認(rèn)情況下，它將會(huì)移除所有的零方差特征，即那些在所有的樣本上的取值均不變的特征。
sklearn中的VarianceThreshold類(lèi)中重要參數(shù) threshold（方差的閾值），表示刪除所有方差小于threshold的特征 #不填默認(rèn)為0——?jiǎng)h除所有記錄相同的特征。
import pandas as pd
import numpy as np
np.random.seed(1) #設(shè)置隨機(jī)種子，實(shí)現(xiàn)每次生成的隨機(jī)數(shù)矩陣都一樣
a= np.random.randint(0, 200,10)
b= np.random.randint(0, 200,10)
c= np.random.randint(0, 200,10)
d= [9,9,9,9,9,9,9,9,9,9]
data=pd.DataFrame({"A" : a,"B" : b,"C" : c,"D" : d})
data
from sklearn.feature_selection import VarianceThreshold
sel_model = VarianceThreshold(threshold = 0)
#刪除不合格特征之后的新矩陣
sel_model.fit_transform(data)
到此這篇關(guān)于Python方差特征過(guò)濾的實(shí)例分析的文章就介紹到這了,更多相關(guān)Python方差特征過(guò)濾的實(shí)現(xiàn)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Django 對(duì)象關(guān)系映射(ORM)源碼詳解
這篇文章主要介紹了Django 對(duì)象關(guān)系映射(ORM)源碼詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
Python使用Keras庫(kù)中的LSTM模型生成新文本內(nèi)容教程
Python語(yǔ)言使用金庸小說(shuō)文本庫(kù),對(duì)文本進(jìn)行預(yù)處理,然后使用Keras庫(kù)中的LSTM模型創(chuàng)建和訓(xùn)練了模型,根據(jù)這個(gè)模型,我們可以生成新的文本,并探索小說(shuō)的不同應(yīng)用2024-01-01
使用PyTorch常見(jiàn)4個(gè)錯(cuò)誤解決示例詳解
這篇文章主要為大家介紹了使用PyTorch常見(jiàn)4個(gè)錯(cuò)誤解決示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-10-10
Python實(shí)現(xiàn)制作透明背景的電子印章
這篇文章主要為大家詳細(xì)介紹了如何利用Python語(yǔ)言實(shí)現(xiàn)制作透明背景的電子印章，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以嘗試一下2022-09-09
使用Fabric自動(dòng)化部署Django項(xiàng)目的實(shí)現(xiàn)
這篇文章主要介紹了使用Fabric自動(dòng)化部署Django項(xiàng)目的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-09-09
Python sorted排序方法如何實(shí)現(xiàn)
這篇文章主要介紹了Python sorted排序方法如何實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-03-03
好的Python培訓(xùn)機(jī)構(gòu)應(yīng)該具備哪些條件
python是現(xiàn)在開(kāi)發(fā)的熱潮，大家應(yīng)該如何學(xué)習(xí)呢？許多人選擇自學(xué)，還有人會(huì)選擇去培訓(xùn)結(jié)構(gòu)學(xué)習(xí)，那么好的培訓(xùn)機(jī)構(gòu)的標(biāo)準(zhǔn)是什么樣的呢？下面跟隨腳本之家小編一起通過(guò)本文學(xué)習(xí)吧2018-05-05
python實(shí)現(xiàn)簡(jiǎn)易版學(xué)生成績(jī)管理系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)簡(jiǎn)易版學(xué)生成績(jī)管理系統(tǒng)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2020-06-06
Python?實(shí)現(xiàn)一個(gè)全連接的神經(jīng)網(wǎng)絡(luò)
這篇文章主要介紹了Python?實(shí)現(xiàn)一個(gè)全連接的神經(jīng)網(wǎng)絡(luò)，文章圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-06-06
將不規(guī)則的Python多維數(shù)組拉平到一維的方法實(shí)現(xiàn)
這篇文章主要介紹了將不規(guī)則的Python多維數(shù)組拉平到一維的方法實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01