Scikit learn 多标签分类的特征选择（scikit学习）

我试图在scikit学习（sklearn.feature\u selection.SelectKBest）中使用卡方方法进行特征选择。当我试图将此应用于多标签问题时，我得到以下警告：

UserWarning:重复的分数。结果可能取决于特征顺序。可能存在重复的特征，或者您将分类分数用于回归任务。
警告（“重复分数。结果可能取决于功能排序。”

---

为什么会出现这种情况以及如何正确应用功能选择是这种情况？

代码警告您，可能需要执行任意平分，因为某些功能的分数完全相同

也就是说，特征选择实际上并不适用于开箱即用的多标签；目前最好的方法是将特征选择和分类器连接在一条管道中，然后将其提供给多标签元估计器。示例（未测试）：

---

（我认为，即使绑定的功能实际上不是第k个和（k+1）个，也会发出此警告。通常可以安全地忽略此警告。）

我知道此主题有点陈旧，但以下内容对我有用：

clf = Pipeline([('chi2', SelectKBest(chi2, k=1000)),
            ('lasso', OneVsRestClassifier(LogisticRegression()))])

---

在这种情况下，警告仍会出现（当特征选择在管道中时）@lizarisk：我不是建议将其作为警告的修复，而是作为在多标签情况下进行功能选择的一种方法。我不完全确定这是否是唯一的方法；我想，我和任何核心开发人员都没有考虑过这种组合。你所说的“功能选择对多标签开箱即用”是什么意思？既然它没有崩溃，它在做什么？这不会立即对整个训练数据集执行特征选择，而不是对每个基本分类器分别执行特征选择吗？我希望与公认的答案相比，某些标签的性能可能会很差。

clf = Pipeline([('chi2', SelectKBest(chi2, k=1000)),
            ('lasso', OneVsRestClassifier(LogisticRegression()))])