SelectorMixin#

class sklearn.feature_selection.SelectorMixin[來源]#

轉換器混合類別，根據支持遮罩執行特徵選擇

此混合類別提供特徵選擇器的實作，其中包含 transform 和 inverse_transform 功能，並且給定 _get_support_mask 的實作。

範例

>>> import numpy as np
>>> from sklearn.datasets import load_iris
>>> from sklearn.base import BaseEstimator
>>> from sklearn.feature_selection import SelectorMixin
>>> class FeatureSelector(SelectorMixin, BaseEstimator):
...    def fit(self, X, y=None):
...        self.n_features_in_ = X.shape[1]
...        return self
...    def _get_support_mask(self):
...        mask = np.zeros(self.n_features_in_, dtype=bool)
...        mask[:2] = True  # select the first two features
...        return mask
>>> X, y = load_iris(return_X_y=True)
>>> FeatureSelector().fit_transform(X, y).shape
(150, 2)

fit_transform(X, y=None, **fit_params)[來源]#

擬合資料，然後轉換它。

使用可選參數 fit_params 將轉換器擬合到 X 和 y，並傳回轉換後的 X 版本。

參數:

X形狀為 (n_samples, n_features) 的類陣列: 輸入樣本。
y形狀為 (n_samples,) 或 (n_samples, n_outputs) 的類陣列，預設值=None: 目標值 (對於非監督轉換為 None)。
**fit_paramsdict: 額外的擬合參數。

傳回值:

X_new形狀為 (n_samples, n_features_new) 的 ndarray 陣列: 已轉換的陣列。

get_feature_names_out(input_features=None)[來源]#

根據選取的特徵遮罩特徵名稱。

參數:

input_features字串的類陣列或 None，預設值=None

輸入特徵。

如果 input_features 為 None，則 feature_names_in_ 用作輸入特徵名稱。如果未定義 feature_names_in_，則會產生以下輸入特徵名稱：["x0", "x1", ..., "x(n_features_in_ - 1)"]。
如果 input_features 為類陣列，則如果定義了 feature_names_in_，則 input_features 必須與 feature_names_in_ 相符。

傳回值:

feature_names_out字串物件的 ndarray: 已轉換的特徵名稱。

get_support(indices=False)[來源]#

取得所選特徵的遮罩或整數索引。

參數:

indicesbool，預設值=False: 如果為 True，則傳回值將為整數陣列，而不是布林遮罩。

傳回值:

support陣列: 從特徵向量中選取保留特徵的索引。如果 indices 為 False，則這是一個形狀為 [# 輸入特徵] 的布林陣列，其中元素為 True 表示其對應的特徵已選取以進行保留。如果 indices 為 True，則這是一個形狀為 [# 輸出特徵] 的整數陣列，其值是輸入特徵向量的索引。

inverse_transform(X)[來源]#

反轉轉換操作。

參數:

X形狀為 [n_samples, n_selected_features] 的陣列: 輸入樣本。

傳回值:

X_r形狀為 [n_samples, n_original_features] 的陣列: X，其中插入了零列，這些零列原本會被 transform 移除。

set_output(*, transform=None)[來源]#

設定輸出容器。

如需如何使用 API 的範例，請參閱設定輸出 API 簡介。

參數:

transform{"default", "pandas", "polars"}，預設值=None

設定 transform 和 fit_transform 的輸出。

"default"：轉換器的預設輸出格式
"pandas"：DataFrame 輸出
"polars"：Polars 輸出
None：轉換設定未變更

版本 1.4 中新增：新增了 "polars" 選項。

傳回值:

self估算器執行個體: 估算器執行個體。

transform(X)[來源]#

將 X 縮減為選取的特徵。

參數:

X形狀為 [n_samples, n_features] 的陣列: 輸入樣本。

傳回值:

X_r形狀為 [n_samples, n_selected_features] 的陣列: 僅包含選取特徵的輸入樣本。