我的分类功能很少：
['Gender',
'Married',
'Dependents',
'Education',
'Self_Employed',
'Property_Area']
from scipy.stats import chi2_contingency
chi2, p, dof, expected = chi2_contingency((pd.crosstab(df.Gender, df.Married).values))
print (f'Chi-square Statistic : {chi2} ,p-value: {p}')
Chi-square Statistic : 79.63562874824729 ,p-value: 4.502328957824834e-19
如何从这些统计信息中得知这些功能是否彼此独立？
我正在尝试建立分类模型，所以我只想知道这些分类列对预测目标变量有用吗？
答案 0 :(得分：2)
列联表用于统计信息，以总结几个类别变量之间的关系。
在您的示例中，两个变量Gender和Married之间的Contingency表是同时显示这些变量的 Ferequency 表。
在列联表上进行的卡方检验可以检验变量之间是否存在 关系 。这些效果定义为行与列之间的关系。
scipy.stats.chi2_contingency默认计算- -Pearson’s chi-squared statistic。
此外，我们对您示例中的p值Sig(2-Tailed)感兴趣。
p值 e是针对无效假设的证据。 p值较小， strong 证据表明您应拒绝原假设。
您的情况下的零假设是列联表中观察到的频率的依赖性。
选择重要级别- alpha 为 5％；您的 p值为4.502328957824834e-19远小于.05，表明列联表的行和列是 独立 。通常，这意味着值得解释列联表中的单元格。
在这种情况下，这意味着男性或女性（即性别） 不是 婚姻状况（即已婚，未婚）的不同级别。
因此，结婚可能是一种性别的地位！
根据您的评论，我发现您对此测试有疑问。
该测试基本上可以告诉您变量之间的关系是重要（即可以代表总体）还是机会！
因此，如果您具有较高的显着性（高p值），则意味着变量之间存在显着的依存关系！
现在，如果Gender和Married都是模型中的特征，则可能导致过度拟合和特征冗余。然后，您可能要选择其中之一。
但是，如果Gender或Married是因变量（如y），那么它们之间具有显着的关系就很好。
额外奖金： 有时，其中一个功能会在Data Imputation期间（当您缺少值时）临时 一个因变量。