来自sklearn.feature_selection的chi2的"ValueError:长度必须匹配才能进行比较“
"ValueError:长度必须匹配才能进行比较"是一个错误提示，它表示在使用sklearn.feature_selection中的chi2函数时，输入的数据长度不匹配导致无法进行比较。
sklearn.feature_selection是scikit-learn库中的特征选择模块，提供了一些常用的特征选择方法。而chi2是其中的一种方法，用于计算卡方统计量和p值来评估特征与目标变量之间的相关性。
在使用chi2函数时，需要传入两个参数：特征矩阵X和目标变量y。特征矩阵X的形状应为(n_samples, n_features)，其中n_samples表示样本数量，n_features表示特征数量。目标变量y的形状应为(n_samples,)，即一个一维数组，长度与样本数量相同。
出现"ValueError:长度必须匹配才能进行比较"的错误提示，通常是由于传入的特征矩阵X和目标变量y的长度不一致导致的。解决这个问题的方法是确保X和y的长度相同，即样本数量一致。
以下是一个示例代码，展示如何正确使用sklearn.feature_selection中的chi2函数：
from sklearn.feature_selection import chi2
# 假设X和y是正确长度的特征矩阵和目标变量
X = ...
y = ...
# 进行特征选择
scores, p_values = chi2(X, y)在这个例子中，X和y应该是正确长度的特征矩阵和目标变量。chi2函数将返回特征的卡方统计量和对应的p值。
需要注意的是，以上示例中没有提及具体的腾讯云产品和产品介绍链接地址，因为在解决这个错误时，并不需要使用特定的云计算产品。这个错误是在使用scikit-learn库中的特征选择模块时出现的，与云计算产品无关。
相关·内容
我有一个dataframe X，它包含了170城市的40特性。而不是我的目标变量y以pandas.core.series.Series的形式出现
X.shape
(170, 40)
type(y)
pandas.core.series.Series
y.shape
(170,)
我想尝试应用来自sklearn的sklearn算法
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
X_new = SelectKBest(chi2, k=2).fit_tra
浏览 0提问于2019-01-22得票数 1
我试图为chi2和selectKBest的分类问题选择最好的分类特性。在这里，我整理了分类栏：
我像这样分离了特性和目标，并将其与selectKBest相匹配。
from sklearn.feature_selection import chi2, SelectKBest
X, y = df_cat_kbest.iloc[:, :-1], df_cat_kbest.iloc[:, -1]
selector = SelectKBest(score_func=chi2, k=3).fit_transform(X, y)
当我运行它时，我得到的是错误：
ValueError
浏览 5提问于2022-07-17得票数 0
回答已采纳
我使用SelectKBest来选择数据集中最重要的特性，但是X_new的长度与X的长度相同。
以下是我的简单代码：
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.feature_selection import mutual_info_classif
X=[[1,4,3,5],[4,5,4,5],[6,3,8,3],[6,3,10,7]]
Y=[1,1,2,2]
X_new = SelectKBest(k=2).fit_trans
浏览 0提问于2018-02-25得票数 1
回答已采纳
我是机器学习的新手，我正在处理一个相当复杂的问题。我有一个名为"psd_data“的三维numpy阵列，它的脑电数据来自一个人体实验对象，进行了运动图像试验。该阵列的大小为(240，16,129)，代表(审判，频道，PSD特征)。我还有一个名为标签的一维numpy数组，标签是每个试用版的标签，大小为(240，)。
我需要执行自动特征选择，然后分类，到目前为止，我有困难的特征选择。我试过这个：
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
X =
浏览 1提问于2022-02-06得票数 0
1回答
我正在学习关于chi2的特性选择，并遇到了类似于的代码
然而，我对chi2的理解是，较高的分数意味着该特性更独立(因此对模型不太有用)，所以我们会对分数最低的特性感兴趣。然而，使用scikit学习，选择器返回chi2分数最高的值。我对使用chi2测试的理解是否不正确？或者，chi2在sklearn中的分数是否产生了chi2统计之外的其他东西？
关于我的意思，请参阅下面的代码(除了结尾外，大部分是从上面的链接复制的)。
from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
浏览 0提问于2018-08-05得票数 12
回答已采纳
我正在尝试从许多连续的特征中预测一个二元(分类)目标，并希望在进入模型拟合之前缩小您的特征空间。我注意到SKLearn的特征选择包中的SelectKBest类在虹膜数据集上有以下示例(它也是从连续的特征中预测一个二元目标)：
from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
iris = load_iris()
X, y = iris.data, iris.target
X.shap
浏览 0提问于2018-04-16得票数 5
1回答
我正尝试在pandas上使用sklearn.feature_selection，但得到了值错误。下面将一步一步地解释。
Code:
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
print (best_features_train_df.columns)
Result:
Index(['cont1', 'cont2', 'cont3', 'cont4', 'cont5'
浏览 0提问于2016-11-15得票数 0
我正在尝试使SelectKBest示例的一个稍微修改的版本工作，但继续获得一个ValueError(“未知标签类型：%s”% repr(ys))。
这是我的密码：
# Importing dependencies
import numpy as np
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.datasets import load_iris
#The Example from:
#http://scikit-learn.o
浏览 2提问于2018-06-15得票数 4
回答已采纳
:)
非常抱歉，如果我的代码看起来像一个完全新手会写的东西。下面是我用python编写的代码的一部分。我正在摆弄sklearn和机器学习技术。我基于不同的数据集训练了几个朴素贝叶斯模型，并将它们存储在trained_models中。在此步骤之前，我使用用于特征选择的chi2函数创建了SelectPercentile类的对象chi_squared。
根据我的理解，我应该在训练时编写data_feature_reduced = chi_squared.transform(some_data)，然后再使用data_feature_reduced，比如：nb.fit(data_feature_redu
浏览 1提问于2017-04-25得票数 0
2回答
实现特征选择
、、、
我在尝试使用所选的功能数据集进行预测时遇到的一个问题是，一旦您选择了某些特性，如果要对测试数据集进行预测，测试数据集功能将不会对齐，因为由于特征选择，培训数据集的功能将减少。如何正确地实现特性选择，使测试数据集具有与培训数据集相同的功能？
示例：
from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
iris = load_iris()
X, y = iris.data, ir
浏览 0提问于2017-04-18得票数 1
回答已采纳
我希望统计数据能够选择与输出变量关系最密切的特征。
多亏了这篇文章，我了解到scikit-learn库提出的SelectKBest类可以与一组不同的统计测试一起使用来选择特定数量的特征。
这是我的数据
Do you agree Gender Age City Urban/Rural Output
0 Yes Female 25-34 Madrid Urban Will buy
1 No Male 18-25 Valencia Rural Won't
浏览 0提问于2020-02-05得票数 1
回答已采纳
我正在尝试运行以下命令，但遇到错误：ValueError: Lengths must match to compare from sklearn.feature_selection import chi2
import numpy as np
N = 2
for Product, category_id in sorted(category_to_id.items()):
features_chi2 = chi2(features, labels == category_id)
indices = np.argsort(features_chi2[0])
feature_nam
浏览 17提问于2019-04-03得票数 0
回答已采纳
3回答
特征选择Scikit学习
、、、
在scikit-learn中运行特征选择后，我想公开相关变量，显示从方法中选择的变量，这是如何可能的？命令X.shape只显示变量的数量，我想在特征选择后看到变量的名称。
from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
iris = load_iris()
X, y = iris.data, iris.target
X.shape
X_new = SelectKBest(c
浏览 0提问于2017-09-15得票数 1
2回答
我正在使用Scikit的功能选择，但我想得到的分数值的所有单位的文本。我得到分数，但我如何将这些映射到实际的特征名称。
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_selection import SelectKBest, chi2
Texts=["should schools have uniform","schools discipline","legalize marriage","marriage cultu
浏览 0提问于2015-05-04得票数 1
回答已采纳
1回答
NLTK:矢量化后的特征约简
、、、、
我已经从大约3000份文档中提取了非结构化的文本数据，我正在尝试使用这些数据对该文档进行分类。
然而，即使删除了停止词&标点符号并对数据进行归一化处理，计数矢量化也产生了64000多个特性。
许多这些特性包含不必要的标记，比如不同语言中的随机数和文本。
我所使用的图书馆是：
令牌化: Punkt (NLTK)
pos标记:宾夕法尼亚树银行(NLTK)
柠檬化: WordNet(NLTK)
矢量化: CountVectorizer (sk-学习)
有人能建议我如何减少训练分类器的特征数量吗？
浏览 2提问于2017-11-29得票数 0
回答已采纳
2回答
我应该信任哪个特征选择？
、、、
我使用Python和Weka在dataset上运行特性选择(91个预测变量)。我可以从不同的算法中看到一个巨大的差异(特征排序)。这些结果与随机森林或坡度增强拟合的结果仍有很大的不同。那么，我如何处理这一差距，或者我应该相信哪一种算法？是否有任何绩效评估方法或经验法则？
📷
# Univariate Selection
import pandas
import numpy
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
# feature extracti
浏览 0提问于2017-01-10得票数 6
1回答
我在下面的代码中有一个类型错误，其中因子A和B用于预测C
df = df[['A','B','C']]
print (df.head())
print (df.tail())
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
names = ['A','B']
for n in range(0, len(names)):
test = SelectKBest(scor
浏览 0提问于2017-12-17得票数 0
我想知道哪些功能是通过使用SelectKBest()选择的，所以我首先选择了ColumnTransformer()。
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import MinMaxScaler #need positive values for chi2 in SelectKBest()
num_features = [...]
cat_features = [...]
ct = Col
浏览 0提问于2021-03-29得票数 1
2回答
有没有从数据中提取最佳特征的方法。现在，我正在使用sklearn中的'KBest‘。在这种情况下，我必须指定需要选择的K个最佳特征的数量。有没有什么方法可以让我不必指定要提取的特征数量？相反，我们提取所有有用的特征？
from sklearn.feature_selection import SelectKBest
test = SelectKBest(score_func=chi2, k=4)
浏览 4提问于2019-12-02得票数 1
1回答
import pandas as pd
import numpy as np
from sklearn.feature_selection import SelectKBest ,chi2
label_ds=pd.read_csv("D:/intern/bll_beijing.csv")
array = label_ds.values
label_X = array[:,1:]
label_y = array[:,0]
test = SelectKBest(score_func=chi2, k=4)
fit = test.fit(label_X, label_y)
浏览 2提问于2018-02-28得票数 2
我似乎找不到确切问题的答案。有人能帮忙吗？
对我的dataframe (“df”)的简化描述:它有2列:一列是一串文本("Notes")，另一列是二进制变量，指示解析时间是否高于平均值("y")。
我在课文上写了一字一句：
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer(lowercase=True, stop_words="english")
matrix = vectorizer.fit_transform(df[
浏览 3提问于2018-09-28得票数 4
回答已采纳
我正在使用Chi2代码对一些数据、糖尿病数据集和Kaggle的HR数据集进行特性选择。在运行糖尿病代码时，一切都是好的，因为所有的值都是数字的，因此被转换为浮点数。但是HR数据有字符串值，如“职务标题”，因此Python无法将其转换为浮动，这是可以理解的。
我的问题是，有什么方法可以在非数字数据上运行这样的代码来使用Chi2获得特性的重要性，而不必将字符串值映射到数字呢？
对于那些熟悉WEKA的人，在WEKA中，我总是使用Chi2对字符串数据类型进行属性选择，它会生成分数，但在Python中，我会感到困惑。
import pandas as pd
import numpy as np
from
浏览 8提问于2022-02-15得票数 0
我有一段代码如下：
# transforming data to best 20 features
from sklearn.feature_selection import SelectKBest, chi2
import matplotlib.pyplot as plt
fs = SelectKBest(score_func=chi2, k=20)
fs.fit(X_train, y_train)
X_train = fs.transform(X_train)
X_test = fs.transform(X_test)
# what are scores for the featur
浏览 0提问于2020-07-01得票数 0
1回答
我想对我的数据集进行Chi2分析以进行特性评估，但结果包括nan值。为什么结果中会出现NaN值，以及如何解决这个问题？例如，在下面的示例中，第二个功能的重要性得分是多少？ from sklearn.feature_selection import chi2
from sklearn.feature_selection import SelectKBest
X = np.array([[0. , 0. , 0.968 , 0.57894737, 0.46666667],
[0. , 0. , 0.968 ,
浏览 43提问于2019-03-04得票数 1
1回答
Sklearn的无效参数
、、、
我的网格中的每一行都有ValueError: Invalid parameter...。
我试过逐行删除每个网格选项，直到网格为空。我从pipeline.get_params()复制并粘贴了参数的名称，以确保它们没有排印。
from sklearn.model_selection import train_test_split
x_in, x_out, y_in, y_out = train_test_split(X, Y, test_size=0.2, stratify=Y)
from sklearn.feature_extraction.text import TfidfVectoriz
浏览 0提问于2019-09-15得票数 1
回答已采纳
我是机器学习的新手，我很难让分类器用测试数据集来做预测。
我认为误差尺寸不匹配是由于向量器安装了测试集，但我已经修复了，但我仍然有问题。
这个错误是因为向量程序在某个地方被覆盖了，我相信在那里，但是我找不到.
我已经在这上面做了很长一段时间了，我将非常感激:)
import sqlalchemy
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import CountVectorizer
浏览 1提问于2018-12-06得票数 1
回答已采纳
2回答
我期待着用一个多标签的数据集来执行特征选择。我想获得跨标签的最后一组特性，然后我将在另一个机器学习包中使用这些特性。我计划使用我看到的方法，它分别为每个标签选择相关特性。
from sklearn.svm import LinearSVC
from sklearn.feature_selection import chi2, SelectKBest
from sklearn.multiclass import OneVsRestClassifier
clf = Pipeline([('chi2', SelectKBest(chi2, k=1000)),
浏览 3提问于2016-05-04得票数 7
回答已采纳
1回答
我必须将可执行文件分为恶意文件和非恶意文件。我已经创建了自己的语料库训练。我已经解释了下面的错误。下面还给出了输入文件格式。如何获得各个文件中具有其名称的特征的存在，并将其作为数据集保存到文本文件中?如何同时测试多个文件？我对n-gram的分类是新手，请帮助我解决所有这些问题。提前谢谢。
from sklearn.datasets import load_files
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_selection import chi2
from sklear
浏览 1提问于2017-03-30得票数 0
1回答
我试图在特性选择中定义变量的名称。我有这样的数据集
import pandas as pd
df = pd.DataFrame ({'a' : [1, 0,1, 0,1, 0,1, 0,1, 0 ],
'b' : ['foo', 'bar','foo', 'bar','foo', 'bar','foo', 'bar','foo', 'bar' ] ,
&
浏览 3提问于2017-08-05得票数 0
回答已采纳
1回答
我有一个脚本，它列出了前n个单词(具有较高卡方平方值的单词)。然而，不是提取固定数量的单词，而是提取p值小于0.05的所有单词，即拒绝零假设。 下面是我的代码： from sklearn.feature_selection import chi2
#vectorize top 100000 words
tfidf = TfidfVectorizer(max_features=100000,ngram_range=(1, 3))
X_tfidf = tfidf.fit_transform(df.review_text)
y = df.label
chi2score = chi2(X_tfid
浏览 21提问于2019-03-05得票数 1
回答已采纳
1回答
我想用卡方检验从文档中提取关键术语，因此我尝试了以下方法：
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_selection import SelectKBest, chi2
Texts=["should schools have uniform","schools discipline","legalize marriage","marriage culture"]
vectorizer = TfidfVec
浏览 22提问于2018-07-28得票数 3
回答已采纳
我想问如何在函数SelectKBest中设置参数k以进行特性选择。我现在有大约2300个特性，所以我认为默认值10是不够的。是否有任何方法，有多少特性选择，或它只是在测试，以找到一些折衷之间的准确性和特征的数量？
浏览 0提问于2019-03-28得票数 0
我想使用high_accidents(Pandas Series)索引，它是一个城市列表，用于获取与df"City“值匹配的数据帧的行。
count_city = df["City"].value_counts()
high_accidents = count_city[count_city >= 1000]
new_df = df.loc[df["City"].values == high_accidents.index]
这将返回ValueError:长度必须匹配才能进行比较
浏览 24提问于2021-06-10得票数 0
回答已采纳
1回答
我正在尝试使用X_train和y_train为我的dataframe df获取前5个特性。 bestfeatures = SelectKBest(score_func=chi2, k=5) #k=5 means select top 5 features
fit = bestfeatures.fit(X_train,y_train)
dfscores = pd.DataFrame(fit.scores_)
dfcolumns = pd.DataFrame(X_train.columns)
#concat two dataframes for better visualization
fea
浏览 55提问于2020-10-19得票数 0
回答已采纳
我想应用网格搜索来确定应该选择的功能数量：
from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import LogisticRegression
from sklearn.feature_selection import SelectKBest, chi2
from sklearn.pipeline import Pipeline
from sklearn.model_selection import GridSearchCV
data = load_breast_cancer()
param
浏览 7提问于2019-11-13得票数 1
2回答
我使用Scikit学习selectKbest来选择最好的特性，从其中的900个中选择大约500个。如下所示，d是所有特性的数据格式。
from sklearn.feature_selection import SelectKBest, chi2, f_classif
X_new = SelectKBest(chi2, k=491).fit_transform(d, label_vs)
当我现在打印X_new时，它只给我编号，但是我需要选择的特性的名称来使用它们。
我尝试过像X_new.dtype.names这样的东西，但是没有得到任何东西，我试图将X_new转换成数据框架，但是我得到的唯一列名
浏览 0提问于2019-02-06得票数 3
回答已采纳
1回答
大熊猫的特征选择
、、、
data:
children pet salary
0 4.0 cat 90
1 6.0 dog 24
2 3.0 dog 44
3 3.0 fish 27
4 2.0 cat 32
5 3.0 dog 59
6 5.0 cat 36
7 4.0 fish 27
code:
from sklearn_pandas import DataFrameMa
浏览 6提问于2016-11-15得票数 0
回答已采纳
我在做文本分类。我有大约32K (垃圾邮件和火腿)文件。
import numpy as np
import pandas as pd
import sklearn.datasets as dataset
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.naive_bayes import BernoulliNB
from sklearn.preprocessing impor
浏览 2提问于2015-05-27得票数 0
回答已采纳
我正在试着比较两个不同长度的熊猫DatetineIndexs。我只想在较大的Dataframe (df)中添加一个新列，并将它与较小的事件( DatetineIndex )匹配的位置设置为1。
我试过了
df['filter'] = np.where(df.index == tEvents, 1, np.nan)
但我得到的是"ValueError:长度必须匹配才能比较“
我被困在这里的时间比我愿意承认的还要长
浏览 11提问于2018-07-21得票数 0
回答已采纳
我的代码不起作用，我也不知道如何将CSV文件定义为整数作为Array。任何帮助都将不胜感激。我还是个初学者。
错误出现在第17行“fit = bestfeatures.fit(X,Y)”上
import pandas as pd
from matplotlib import pyplot
import seaborn as sns
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.datasets import load_digits
浏览 1提问于2021-08-01得票数 1
回答已采纳
import pandas as pd
import numpy as np
df = pd.DataFrame({'Li':[[1,2],[5,6],[8,9]],'Tu':[(1,2),(5,6),(8,9)]}
df
Li Tu
0 [1, 2] (1, 2)
1 [5, 6] (5, 6)
2 [8, 9] (8, 9)
为Tuple工作良好
df.Tu == (1,2)
0 True
1 False
2 False
Name: Tu, dtype: bool
当它的List出现值错误时
df.L
浏览 6提问于2020-04-16得票数 3
回答已采纳
我有一个问题，我想测试多个模型，这些模型并不都具有相同的命名参数。如何在RandomizedSearchCV中使用管道的参数列表，就像在本例中使用GridSearchCV一样
示例来自：
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.svm import Li
浏览 0提问于2017-03-30得票数 9
1回答
我有以下代码。我想尝试不同的特征选择算法，而不是重复相同的代码两次，因此，我将函数名放在列表中，并编写以下代码来查看它是否有效。确实是这样。
我的问题是，列表如何将函数名作为其项，以及它在for循环中实际是如何工作的？
from sklearn.datasets import load_digits
from sklearn.feature_selection import SelectKBest, chi2
from sklearn.feature_selection import mutual_info_classif
X, y = load_digits(return_X_y=True)
浏览 0提问于2018-10-16得票数 0
1回答
如何在特征选择中选择卡方阈值
、、、、
关于这一点： NLP in Python: Obtain word names from SelectKBest after vectorizing 我找到了这段代码： import pandas as pd
import numpy as np
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_selection import chi2
THRESHOLD_CHI = 5 # or whatever you like. You may t
浏览 34提问于2020-03-27得票数 0
回答已采纳
我是数据科学的新手，希望这个问题是有意义的。
我有一个大约50,000行的数据集。它由一个列(其中包含项目类别)和一个列(其中包含项描述)组成。
我试图从项目描述中获得与每个类别相关程度最高的大写。
我正在使用TfidfVectorizer来完成这个任务。
我使用以下方法将项目描述压缩为一个数组：
features = tfidf.fit_transform(df.ItemDescription).toarray()
在Spyder中，当我甚至单击变量资源管理器下的特性时，内存会立即上升到99%，而我的计算机就会冻结。
如果我试图调用所有的功能，它也会冻结。
下面是我以后如何在代码中调用特性，
浏览 0提问于2018-07-28得票数 0
我想在sklearn管道中使用以下几种特性选择方法：
from sklearn.datasets import load_breast_cancer
from sklearn.feature_selection import SelectKBest, chi2
from sklearn.feature_selection import VarianceThreshold
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.pipeline import Pipeline
from sklearn.model_
浏览 10提问于2022-07-25得票数 3
回答已采纳
我正在尝试使用VarianceThreshold，但是我得到了错误：
ValueError: No feature in X meets the variance threshold 0.16000
我的代码：
from sklearn.feature_selection import VarianceThreshold
sel = VarianceThreshold(threshold=(.8 * (1 - .8)))
sel.fit(X)
X具有以下属性：
Shape = (4898, 11)
Type: = <class 'pandas.core
浏览 1提问于2020-04-11得票数 2
我能够打印我的回归的p值，但是我希望我的输出有X2值作为键和它旁边的p值。
我希望输出如下所示：
attr1_1: 3.73178531e-01
sinc1_1: 4.97942222e-06
守则：
from sklearn.linear_model import LogisticRegression
from scipy import stats
X2 = dating[['attr1_1', 'sinc1_1', 'intel1_1', 'fun1_1', 'amb1_1', &#
浏览 0提问于2020-08-14得票数 0
回答已采纳
我试图让我的CSV处理与into，我遇到了这个错误。为什么会这样，有什么原因吗？我正试着想办法解决这个问题，但它似乎就是不能消失。 import pandas as pd
from matplotlib import pyplot
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from pandas import read_csv
from pandas.plotting import scatter_matrix
filename = '/
浏览 46提问于2021-08-02得票数 0
回答已采纳
2回答
我使用进行特性选择，并发现了一些意想不到的结果(检查代码)。有没有人知道原因是什么，或者可以向我指出一些文件或请求？
我包括一个比较，我得到的结果和预期的结果得到的手和使用。
守则：
import numpy as np
import pandas as pd
from scipy.stats import chi2_contingency
from sklearn.feature_selection import chi2, SelectKBest
x = np.array([[1, 1, 1, 0, 1], [1, 0, 1, 0, 0], [0, 0, 1, 1, 1], [0, 0,
浏览 0提问于2018-06-19得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
