sklearn chi2采用的p值是多少？

Question

我试图了解sklearn chi2对于超级选择算法的实现。 我想我理解chi2公式。

获得此值后，我们将看到1个自由度的表，并根据需要选择p值。如果chi2值大于保持，否则忽略它。

我的问题是sklearn包如何自己选择这个p值？它只需要X和y数组作为输入。

http://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.chi2.html

并且chi2得分总是正常化吗？ 链接到论文 - http://courses.ischool.berkeley.edu/i256/f06/papers/yang97comparative.pdf

Answer 1

想法是执行univariate feature selection：

1. 对于每个功能，您可以计算某种统计信息（在您的情况下是chisquared-statistic）
2. 通过将1）与某种选择方法（SelectKBest，SelectPercentile）
组合，创建一组（希望）最重要的功能

回到你的问题，我认为你误解了以下几点：

• 您总是对所有功能运行chi2测试，然后您只保留具有最高chi2统计量（=最低p值）的那些。您没有指定截止阈值，因为您的目标是保留信息量最大的功能。如果您坚持并且确实想要使用截止阈值，则必须编写自己的Transformer，并且根本不应该显示此截止值（即使应用于p值）。