尝试使用所选数据集进行预测时遇到的一个问题是，一旦选择了某些功能，如果您要对测试数据集进行预测，则测试数据集功能将无法对齐，因为培训由于特征选择，数据集将具有较少的特征。如何正确实现功能选择，使测试数据集具有与训练数据集相同的功能？
示例：
from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
iris = load_iris()
X, y = iris.data, iris.target
X.shape
(150, 4)
X_new = SelectKBest(chi2, k=2).fit_transform(X, y)
X_new.shape
(150, 2)
答案 0 :(得分：2)
你必须<template>
<div id="app">
<work-zone></work-zone>
</div>
</template>
<script>
import WorkZone from './components/WorkZone.vue';
export default {
name: 'app',
components: {
'work-zone': WorkZone
},
data() {
return {}
},
methods: {}
};
</script>
你的测试集......并且不使用var WorkZone = Vue.extend({
template: `
<div id="work-zone">
<div id="wrapper"></div>
</div>`,
data() {
return {
tabItems: [{
title: 'Главная страница',
project: 'Текст главная страница',
done: false,
}],
};
},
methods: {
createTab: function(newTab) {
this.tabItems.push(newTab);
}
}
});
，但只是transform。这需要您保存fit_transform对象，以便实现以下目的：
transform答案 1 :(得分：0)
我相信你想通过首先匹配SelectKBest然后transform你的测试数据来创建一个feature_selector对象。像这样：
feature_selector = SelectKBest(chi2, k=2).fit(X_train, y)
X_train_pruned = feature_selector.transform(X_train)
X_test_pruned = feature_selector.transform(X_test)