Question

我是机器学习的新手。我正在使用Scikit Learn SVM准备我的数据进行分类。为了选择最佳功能，我使用了以下方法：

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

由于我的数据集由负值组成，因此出现以下错误：

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.

有人可以告诉我如何转换数据？

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，频率不能是负数。因此，sklearn.feature_selection.chi2断言输入是非负的。

您说您的功能是“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，或者甚至按照EdChum的建议归一化到[0, 1]间隔可能是相当安全的。

如果数据转换因某种原因无法实现（例如，负值是一个重要因素），您应该选择另一个统计数据来评分您的功能：

sklearn.feature_selection.f_classif计算ANOVA f值
sklearn.feature_selection.mutual_info_classif计算互信息

由于这个程序的重点是为另一种方法准备功能，所以选择任何人并不是什么大事，最终结果通常相同或非常接近。

使用scikit-learn进行特征选择

1 个答案: