Python 根据scikit学习中的最低分数选择功能

我正在尝试在管道中选择功能。 我的管道如下：

我在考虑使用

具有可配置策略的单变量特征选择器

从文件中：

class sklearn.feature_selection.GenericUnivariateSelect(score_func=<function f_classif>, mode=’percentile’, param=1e-05)

   score_func : callable

    Function taking two arrays X and y, and returning a pair of arrays (scores, pvalues). For modes ‘percentile’ or ‘kbest’ it can return a single array scores.

但如何添加其他模式？ 可能，无需重写SelectorMixin之上的类

---

编辑 我的管线看起来像：

from  sklearn.feature_selection import GenericUnivariateSelect

custom_filter=GenericUnivariateSelect(my_score)   
MyProcessingPipeline=Pipeline(steps=[('filter_step', custom_filter)])

我的处理管道非常简单：

X=pd.DataFrame(data=np.random.rand(500,3))
MyProcessingPipeline.fit(X)
MyProcessingPipeline.transform(X)

我在这方面的得分是：

#Function taking two arrays X and y, and returning a pair of arrays (scores, pvalues). 
def my_score(X,y):
    return (np.random.rand(X.shape[1]),np.zeros((X.shape[1],1)))

在我的例子中，我希望转换保留所有的特性，

my_score

为这些特性返回一个分数

>0.6

。 如何获得？

---

我越来越确信我将不得不重写一些本地的sklearn类，但是，有没有人知道我应该覆盖哪一个，以最大限度地减少要编写的代码量，同时能够执行这个非常简单的功能选择？

您应该为您的问题添加更具体的内容，并添加完整的代码。我想现在我已经添加了所有需要的详细信息。我无法向您发送完整的源代码，我希望您能够理解。您应该为您的问题添加更多的细节，例如您到底想做什么，并添加完整的代码。我想现在我已经添加了所有需要的详细信息。我不能给你发送完整的源代码，希望你能理解

#Function taking two arrays X and y, and returning a pair of arrays (scores, pvalues). 
def my_score(X,y):
    return (np.random.rand(X.shape[1]),np.zeros((X.shape[1],1)))