17、Python特征工程，用相关系数法选择数据特征

1 相关系数法

先计算各个特征对目标值得相关系数，选择更加相关的特征

2 代码案例


import pandasdata = pandas.read_csv('D:\\database\\pystudy\\6.2\\data2.csv')# 导热油特征选择的方法和相关系数的方法from sklearn.feature_selection import f_regressionfrom sklearn.feature_selection import SelectKBest# 代表选择特征值的数量selectkBest=SelectKBest(f_regression,k=2)# 选择自变量feature=data[['月份','季度','广告费用','客流量']]# 调用fit方法进行最好特征的选择bestFeature=selectkBest.fit_transform(feature,data['销售额'])# 查看关键因子feature.columns[selectkBest.get_support()]

17、Python特征工程，用相关系数法选择数据特征相关推荐

机器学习特征筛选：相关系数法（correlation）
机器学习特征筛选:相关系数法(correlation) 通过计算特征与特征之间的相关系数的大小,可判定两两特征之间的相关程度. 取值区间在[-1, 1]之间,取值关系如下: corr(x1,x2)相关 ...
手动特征工程已经OUT了！自动特征工程才是改进机器学习的方式
作者 | William Koehrsen 译者 | linstancy 编辑 | Jane 出品 | AI科技大本营 [导读]近年来,我们在自动模型选择和超参数调优方面取得了进展,但机器学习流程中最 ...
【特征工程概要】解释什么是特征，特征工程的步骤
特征工程简介经常听人说,数据和特征决定了机器学习的上限,算法和模型只是不断逼近这个上限而已.由此可见,特征工程在机器学习中不可或缺的地位. 回过头看看网站Kaggle,KDD,国内外的比赛,每个竞赛 ...
特征工程(feature engineering)是什么？特征工程(feature engineering)包含哪些方面？
特征工程(feature engineering)是什么?特征工程(feature engineering)包含哪些方面? 设想一个场景,警方在询问目击证人的情形,那些问题需要被询问? ① 男性 OR ...
ML之FE：利用FE特征工程(分析两两数值型特征之间的相关性)对AllstateClaimsSeverity(Kaggle2016竞赛)数据集实现索赔成本值的回归预测
ML之FE:利用FE特征工程(分析两两数值型特征之间的相关性)对AllstateClaimsSeverity(Kaggle2016竞赛)数据集实现索赔成本值的回归预测目录输出结果设计思路核心代 ...
python 特征工程_[译] 基于时序数据的特征工程 --- Python实现
基于时序数据的回归预测问题,在工作中经常遇到的.它与一般的监督学习的回归模型的区别在于数据本身是基于时序的.而常用的时序预测模型,比如arima等,添加其他特征时又不方便,不得不求助于经典的监督学习预 ...
特征工程系列（一）：特征工程的概念/特征的处理
1 特征工程的概念所谓数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限.那么特征工程到底是什么呢?其本质是一项工程活动,目的是最大限度地从原始数据中提取特征以供算法和模型使用. 2 特征 ...
特征工程之自动特征生成（自动特征衍生）工具Featuretools介绍
源文件地址:https://docs.featuretools.com/ 参考内容:https://blog.csdn.net/q337100/article/details/80804887 Fea ...
特征工程之自动特征生成（自动特征衍生）工具Featuretools——深度特征合成
深度特征合成深度特征合成(DFS)是一种用于对关系数据和时间数据执行特征工程的自动方法. 输入数据深度特征合成需要结构化数据集才能执行特征工程.为了演示DFS的功能,我们将使用客户交易数据集. I ...
Python不使用科学计数法输出数据的实现方法
文章目录前言一.背景介绍二.例子详解 1.例1 以常规形式输出: 2.例2 以科学计数法形式输出: 总结前言本文主要介绍在利用Python进行科学计算的时候,怎么让计算出来的数据不以科学计数 ...

17、Python特征工程，用相关系数法选择数据特征

17、Python特征工程，用相关系数法选择数据特征相关推荐

最新文章

热门文章