在Python中的SelectKBest之前需要规范化

Question

我需要从数据集中选择一些功能来执行回归任务。但是数值是在不同的范围内。

from sklearn.datasets import load_boston
from sklearn.feature_selection import SelectKBest, f_regression

X, y = load_boston(return_X_y=True)
X_new = SelectKBest(f_regression, k=2).fit_transform(X, y)

要提高回归模型的性能，我需要在SelectKBest方法之前对X进行归一化吗？

Answer 1

答案是，这取决于您的数据-因此，您应该尝试一下它是否有帮助！这是转换每个变量的一种快速方法，以使其平均值为0，方差为1：

from sklearn.datasets import load_boston
from sklearn.feature_selection import SelectKBest, f_regression
from sklearn.preprocessing import StandardScaler

X, y = load_boston(return_X_y=True)

scaler_x = StandardScaler().fit(X)
X = scaler_x.transform(X)

X_new = SelectKBest(f_regression, k=2).fit_transform(X, y)