8、特征选择

用过滤法对以下数据进行特征选择：

                             [[0,2,0,3],

                              [0,1,4,3],

                              [0,1,1,3]]

要求：

1、Variance Threshold（threshold =1.0）

2、将结果截图放上来（没有条件的备注说明原因）注意：每个人的电脑ID是不一样的

特征选择的原因：

①冗余：部分特征的相关度搞，容易消耗计算性能

②噪音：部分特征对预测结果有影响。

这里的特征选择就是降低维度，即选择最合适的特征数量，过滤式筛选指标是方差大小。

步骤：①初始化variance threshold，指定阈值方差。②调用fit_transform。

 源代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

#过滤式特征选择 from sklearn.feature_selection import VarianceThreshold   def var():     #特征选择-删除低方差的特征       var=VarianceThreshold(threshold=1.0)  #初始化variance threshold，指定阈值方差     data=var.fit_transform([[0,2,0,3],[0,1,4,3],[0,1,1,3]])   #调用fit_transform       print(data)     return None   if __name__ == "__main__":     var();

 

                                                                                                       图1 阈值方差为1的结果

 

                                                                                                      图2 阈值方差为0的结果