卡方检验——离散型特征相关性分析

import pandas as pd  #导入读入数据的包
from sklearn.feature_selection import SelectKBest  #卡方检验->判断离散型特征是否相关
from sklearn.feature_selection import chi2#读取数据
data = pd.read_csv('./2013年八城市融合数据.csv',encoding='gbk')x= data[['归属感有无（0：有 1：无）','户口性质（0：农业 1：非农业）','体制内人员（0：非体制内 1：体制内）','大学以上学历（0：大学以下 1：大学以上）','本地人愿意接受我（0：同意 1：不同意）']]
y = data['本地养老（0：非本地 1：本地）']
selectKBest = SelectKBest(chi2, k=5)
X_new = selectKBest.fit_transform(x, y)
p_values = zip(select_k_best.scores_,select_k_best.pvalues_)
dict_p_values  = dict(zip(['归属感有无（0：有 1：无）','户口性质（0：农业 1：非农业）','体制内人员（0：非体制内 1：体制内）','大学以上学历（0：大学以下 1：大学以上）','本地人愿意接受我（0：同意 1：不同意）'],p_values))sorted(dict_p_scores.items(),key=lambda x:x[1],reverse=False)

# 当p值小于0.05时，就说这个独立变量与输出结果有关系
for i in list(select_k_best.pvalues_):if i<0.05:print('True')

卡方检验——离散型特征相关性分析相关推荐

多取值离散型特征工程_特征工程(完）
机器学习入门系列(2)--如何构建一个完整的机器学习项目,第六篇! 这也是特征工程系列最后一篇文章,介绍特征提取.特征选择.特征构建三个工作,通常特征工程被认为分为这三方面的内容,只是我将前面的数据& ...
【特征工程】机器学习中离散型特征的处理 —— 独热码 (one-hot)
[原文链接]https://www.cnblogs.com/daguankele/p/6595470.html 1.什么是独热码独热码,在英文文献中称做 one-hot code, 直观来说就是有多 ...
不同类型特征变量之间相关性分析
站在2022的第一天想说点啥总结却迟迟不知道该如何下笔,年前的立的各种风控技能Flag还没一一勾除又有新的Flag要立,风控人不容易-不管怎样,学习总是必要的,今天带来番茄风控2022年第一篇实操干货 ...
系统学习机器学习之特征工程（二）--离散型特征编码方式：LabelEncoder、one-hot与哑变量*
转自:https://www.cnblogs.com/lianyingteng/p/7792693.html 在机器学习问题中,我们通过训练数据集学习得到的其实就是一组模型的参数,然后通过学习得到的参 ...
一文了解类别型特征的编码方法
来源:Unsplash,作者:an Rizzari 2019 年第 78 篇文章,总第 102 篇文章目录: 问题描述数据准备标签编码自定义二分类 one-hot 编码总结问题描述一般特 ...
如何处理类别型特征？
目录: 问题描述数据准备标签编码自定义二分类 one-hot 编码问题描述一般特征可以分为两类特征,连续型和离散型特征,而离散型特征既有是数值型的,也有是类别型特征,也可以说是字符型,比如说 ...
11种离散型变量编码方式及效果对比
首先介绍一个关于离散型编码的Python库,里面封装了十几种(包括文中的所有方法)对于离散型特征的编码方法,接口接近于Sklearn通用接口,非常实用.下面是这个库的链接:Category Encod ...
【CTR预估】CTR模型如何加入稠密连续型和序列型特征？
" CTR预估任务中除了广泛使用的稀疏离散型特征外,还会用到稠密连续型以及一些序列类型的特征,本文为大家简要梳理几种特征的处理方式-" 稠密连续类型特征的处理在点击率预估问题中, ...
离散型特征编码方式：one-hot与哑变量
转载:离散型特征编码方式:one-hot与哑变量在机器学习问题中,我们通过训练数据集学习得到的其实就是一组模型的参数,然后通过学习得到的参数确定模型的表示,最后用这个模型再去进行我们后续的预测分类等 ...

卡方检验——离散型特征相关性分析

卡方检验——离散型特征相关性分析相关推荐

最新文章

热门文章