Scikit learn 从分类数据集中删除冗余特征（进行分类）

在make_分类方法中

X，y=进行分类（n_样本=10，n_特征=8，n_信息=7，n_冗余=1，n_重复=0，n_类=2，随机状态=6）

Docstring关于n\u冗余：冗余功能的数量。这些特征生成为 信息特征的随机线性组合

Docstring关于n_repeated:从信息源中随机抽取的重复特征数

n_重复特征与信息性特征高度相关，因此易于拾取

重复特征和冗余特征的docstring表示这两种特征都是从信息特征中提取的

我的问题是：如何删除/突出显示冗余功能，它们的特征是什么

附件是所有特征之间的相关热图，图像中的哪个特征是冗余的

请帮忙

要检查有多少独立列使用

np.linalg.matrix\u秩（X）

要查找矩阵X的线性独立行的索引，请使用

sympy.matrix（X）.rref（）

演示

生成数据集并检查独立列数（矩阵秩）：

从sklearn.dataset导入make_分类
从辛输入矩阵
十、 作分类(
n_样本=10，n_特征=8，n_冗余=2，随机状态=6
)
np.linalg.matrix_秩（X，tol=1e-3）
# 6

查找线性独立列的索引：

\uz，inds=矩阵（X）.rref（iszerofunc=lambda X:abs（X）
要检查有多少独立列使用
np.linalg.matrix\u秩（X）
要查找矩阵X的线性独立行的索引，请使用
sympy.matrix（X）.rref（）
演示

生成数据集并检查独立列数（矩阵秩）：

从sklearn.dataset导入make_分类
从辛输入矩阵
十、 作分类(
n_样本=10，n_特征=8，n_冗余=2，随机状态=6
)
np.linalg.matrix_秩（X，tol=1e-3）
# 6

查找线性独立列的索引：

\uz，inds=矩阵（X）.rref（iszerofunc=lambda X:abs（X）我投票结束这个问题是因为它是关于统计，而不是编程。它属于上而不是这里。谢谢你的评论，我实际上是从sklearn的角度来看如何从伪数据生成方法中删除冗余数据。我投票结束这个问题是因为它是关于统计，而不是编程。它是ongs打开，而不是在这里。感谢您的评论，我实际上在寻找sklearn的观点，如何从伪数据生成方法中删除冗余数据。感谢您的解决方案，我已经连接了这个问题，上面的解决方案，它始终显示最后为零的列，（我尝试调整数据）。不是特定于冗余功能的索引。或者我在这里遗漏了任何内容。谢谢。是的，同意，它根据冗余功能显示零行，但是，它没有突出显示冗余功能的索引（始终在矩阵末尾显示零）。可能存在除最后一个索引之外的特征可能是冗余的情况。。希望我能够解释我的观点。@SantoshKumar请参阅更新。QR分解中的R矩阵只告诉矩阵的秩，而不是像您正确指出的那样，哪些特定列是线性相关的。如果依赖QR分解，他必须在R矩阵的末尾找到负责所有零行的列。感谢您提供的解决方案，我已经连接了这个问题，上面的解决方案，它始终显示结尾为所有零的列（我尝试调整数据）。不是特定于冗余功能的索引。或者我在这里遗漏了任何内容。谢谢。是的，同意，它根据冗余功能显示零行，但是，它没有突出显示冗余功能的索引（始终在矩阵末尾显示零）。可能存在除最后一个索引之外的特征可能是冗余的情况。。希望我能够解释我的观点。@SantoshKumar请参阅更新。QR分解中的R矩阵只告诉矩阵的秩，而不是像您正确指出的那样，哪些特定列是线性相关的。如果依赖QR分解，他必须在R矩阵末尾查找负责所有零行的列。