python中的特征选择

我正在尝试使用几种技术在python中执行功能选择。我尝试应用的第一种技术是仅使用特征的变化来选择特征。我的代码如下：

def feature_selection_technique(train, test, lbls, technique):
   if technique == "variance":
        sel = VarianceThreshold(threshold=(0.00010 * (1 - .15)))
        model1 = sel1.fit_transform(face_train)
        new_train = model1.transform(train)
        new_test = model1.transform(test)

    return new_train, new_test

---

实际上，我想使用train数据集计算选定的特征，然后将其应用于测试数据集。在这种情况下，转换方法似乎无法实现。在这种情况下我能做什么？

我认为您使用的语法有问题。请参阅文档和示例。正确的语法如下所示：

def feature_selection_technique(train, test, lbls, technique):
   if technique == "variance":
        sel = VarianceThreshold(threshold=(0.00010 * (1 - .15)))
        new_train=sel.fit_transform(train)
        new_test = sel.transform(test)

    return new_train, new_test

---

也就是说，您应该初始化

sel

，然后将其适配到训练数据并进行转换，然后转换测试数据。

您是否尝试过在：model1=sel.fit\u transform（train）之后使用类似于：model2=sel.fit\u transform（test）的东西？是的，但这不是我想要的。该技术保持特征的方差大于建议的阈值。我想从训练集中保留这些特性，并将相同的特性保留到测试集中。在第一个sel=VarianceThreshold（阈值=（0.00010*（1-.15）），直接调用new_train=sel.fit_transform（训练）和new_test=sel.transform（测试），这应该可以正常工作

fit_transform

返回一组更改过的数据集（

model1

在您的情况下）。然后您使用的是

model1.transform（train）

？您确定您的代码正确吗？是的，这工作非常完美。谢谢您的解决方案。