sklearn如何根据特征选择选择分类特征

Question

我的问题是我想对具有多个分类变量的数据进行特征选择。我在pandas 中使用了get_dummies 来为这些分类变量生成所有稀疏矩阵。我的问题是 sklearn 如何知道一个特定的稀疏矩阵实际上属于一个特征并选择/删除它们？例如，我有一个名为 city 的变量。该变量有纽约、芝加哥和波士顿三个水平，因此稀疏矩阵如下所示：

[1,0,0] [0,1,0] [0,0,1] 如何告知 sklearn 在这三个“列”中实际上属于一个特征，即城市，不会最终选择纽约，并删除芝加哥和波士顿？

非常感谢！

Answer 1

你不能。 scikit-learn 中的特征选择例程将彼此独立地考虑虚拟变量。这意味着他们可以将分类变量的域“修剪”到对预测很重要的值。