使用类属性Python scikit learn查找前n个相关特征（基于Pearson cofficient）

我对Python和机器学习相当陌生

我有一个具有多个功能的数据集。我想使用Pearson系数找到与class属性相关的前n个属性/特征。我该怎么做呢

以下是我的数据集结构：

---

类别属性col1 col2 col3。。。coln

根据您在问题中发布的详细信息判断，我假设这是一个分类问题，而不是回归问题。在这种情况下，使用皮尔逊系数作为相关性度量是不可行的

您可以获得最佳特征数量及其相应的特征重要性。基于以下内容检查此代码

样本输出：

或者，您可以使用指定自定义评分函数，并使用.scores_u属性获取每个功能的评分

关于Scikit学习中的功能选择

使用多种方法及其示例

此外，您还可以查看更多此类API

import matplotlib.pyplot as plt
from sklearn.svm import SVC
from sklearn.cross_validation import StratifiedKFold
from sklearn.feature_selection import RFECV
svc = SVC(kernel="linear")
rfecv = RFECV(estimator=svc, step=1, cv=StratifiedKFold(labels, 50),
      scoring='precision')
rfecv.fit(features, labels)
print("Optimal number of features : %d" % rfecv.n_features_)
print rfecv.support_
features=features[:,rfecv.support_]
# Plot number of features VS. cross-validation scores
plt.figure()
plt.xlabel("Number of features selected")
plt.ylabel("Cross validation score (nb of correct classifications)")
plt.plot(range(1, len(rfecv.grid_scores_) + 1), rfecv.grid_scores_)
plt.show()