使用 scikit-learn 进行特征选择

Question

我是机器学习的新手。我正在准备使用 Scikit Learn SVM 进行分类的数据。为了选择最好的功能，我使用了以下方法：

SelectKBest(chi2, k=10).fit_transform(A1, A2)

由于我的数据集包含负值，我收到以下错误：

ValueError                                Traceback (most recent call last)

/media/5804B87404B856AA/TFM_UC3M/test2_v.py in <module>()
----> 1 
      2 
      3 
      4 
      5 

/usr/local/lib/python2.6/dist-packages/sklearn/base.pyc in fit_transform(self, X, y,     **fit_params)
    427         else:
    428             # fit method of arity 2 (supervised transformation)

--> 429             return self.fit(X, y, **fit_params).transform(X)
    430 
    431 

/usr/local/lib/python2.6/dist-packages/sklearn/feature_selection/univariate_selection.pyc in fit(self, X, y)
    300         self._check_params(X, y)
    301 
--> 302         self.scores_, self.pvalues_ = self.score_func(X, y)
    303         self.scores_ = np.asarray(self.scores_)
    304         self.pvalues_ = np.asarray(self.pvalues_)

/usr/local/lib/python2.6/dist-  packages/sklearn/feature_selection/univariate_selection.pyc in chi2(X, y)
    190     X = atleast2d_or_csr(X)
    191     if np.any((X.data if issparse(X) else X) < 0):
--> 192         raise ValueError("Input X must be non-negative.")
    193 
    194     Y = LabelBinarizer().fit_transform(y)

ValueError: Input X must be non-negative.

谁能告诉我如何转换我的数据？

Answer 1

错误消息Input X must be non-negative 说明了一切：Pearson's chi square test (goodness of fit) 不适用于负值。这是合乎逻辑的，因为卡方检验假设频率分布并且频率不能是负数。因此，sklearn.feature_selection.chi2 断言输入是非负的。

您是说您的特征是“加速度计信号的最小值、最大值、平均值、中值和 FFT”。在许多情况下，简单地移动每个特征以使其全部为正，甚至按照 EdChum 的建议标准化为 [0, 1] 区间可能是非常安全的。

如果由于某种原因无法进行数据转换（例如，负值是一个重要因素），您应该选择另一个统计数据来对您的特征进行评分：

• sklearn.feature_selection.f_classif 计算方差分析 f 值
• sklearn.feature_selection.mutual_info_classif 计算互信息

由于此过程的重点是为另一种方法准备特征，因此选择任何人都不是什么大问题，最终结果通常相同或非常接近。