特征工程系列：（六）特征选择之方差过滤

有时候，数据集中的某一个特征，方差非常小，非常接近，这样导致的结果就是，没有区分度，那么这个特征其实就不是一个好的特征，因此方差过滤的思想就是，找到那些有区分度的特征（方差大）

from sklearn.feature_selection import VarianceThreshold

X = VairanceThreshold().fit_transform(X)  # VarianceThreshold 默认参数为0 
X_var0

如果一个特征服从伯努利分布，也就是说，这个特征只有两个类别。这个时候，也可以进行方差过滤，伯努利分布的方差计算公式为：\(\sigma = p(1-p)\), 其中\(p\)为莫一个类别的占比。

例如，一个特征\(x_1\)，其中一个类别数量为80，另外一个类别数量为20，这个时候，这个特征的方差为：

\(0.8(1-0.8)\) ， 在sklearn中，也可以直接使用方差过滤函数来对这类特征进行筛选。

X_bvar = VarianceThreshold(.8 * (1 - .8)).fit_transform(X)
X_bvar

方差过滤的目的主要是在维持算法表现的前提下，帮助算法刷选出更有分辨的特征，从而减轻计算成本，但是方差过滤不保证能够实现预期效果，所以在实践中，需要进行各种实验，通过真实实验效果去灵活的应用。

标签：方差,特征选择,VarianceThreshold,特征,过滤,类别,区分度
来源： https://www.cnblogs.com/quant-q/p/15193607.html