使用SelectKBest的麻烦[scikit-learn]

Question

我是scikit-learn和python的初学者，我尝试使用feature_selection包中的SelectKBest看起来很简单。

    train = pd.read_csv("train.csv")
test = pd.read_csv('test.csv')
train = SelectKBest(chi2, k=120).fit_transform(train)

print train.shape

但我得到了这个错误，我真的不知道如何解决它！

TypeError: fit() takes exactly 3 arguments (2 given) 

请你帮我解决一下:(？

Answer 1

问题在于它需要3个参数。

适合（X，y） X：类似数组，shape = [n_samples，n_features]，它是训练输入样本。 y：array-like，shape = [n_samples]是目标值（分类中的类标签，回归中的实数）。

fit_transform（X，y =无，** fit_params）[来源]

因此，为了解决您的问题，如果标签存储在训练/测试数据的最后一列，即train.ix [：， - 1]，您可以这样做：

train = pd.read_csv("train.csv")
test = pd.read_csv('test.csv')
model = SelectKBest(chi2, k=120).fit_transform(train.ix[:,:-1],train.ix[:,-1])

print train.shape

这段代码对我有用。