data:   children     pet    salary
0    4.0        cat     90
1    6.0        dog     24
2    3.0        dog     44
3    3.0        fish    27
4    2.0        cat     32
5    3.0        dog     59
6    5.0        cat     36
7    4.0        fish    27
code: from sklearn_pandas import DataFrameMapper, cross_val_score 
from sklearn.feature_selection import SelectKBest, chi2 
mapper_fs = DataFrameMapper([(['children','salary'], SelectKBest(chi2, k=2))]) 
mapper_fs.fit_transform(data[['children','salary']], data['pet'])
result: array([[ 90.],
   [ 24.],
   [ 44.],
   [ 27.],
   [ 32.],
   [ 59.],
   [ 36.],
   [ 27.]])

我正在尝试在测试的pandas数据上编写sklearn特征选择的代码，但无法解释结果。我从官方文档中摘取了这部分代码。请建议我如何解释这些结果。例如，如果我的pandas数据框中有n列，如何从所有列中选择最佳的k列？

回答：

如果你试图选择数据训练集中最佳的k个特征，我可以肯定的是，你的方法有很多问题，其中包括：

• DataFrameMapper 完全没用
• 当你只有两个特征时，你却想获取数据集中最佳的k=2个特征
• 在将data['pet']传递给fit函数之前，你需要对其进行编码

你应该这样做：

from sklearn.feature_selection import SelectKBest, chi2
X = # 你的n列数据框
y = # 目标值 - 如果是分类变量，需要进行编码
# 实例化你的选择器
selector = SelectKBest(chi2, k=...) # k < n，尝试使用类似int(round(n/10.))的值
# 使其适应你的数据
selector.fit(X, y) # 返回拟合后的选择器本身
# 如果需要，你可以使用fit_transform方法转换数据
# 现在，你已经减少了特征空间的维度。你现在可以进行分类

建议：当你不知道某事如何运作时，尝试阅读文档或在线查找一些教程。我从未见过使用DataFrameMapper进行在线特征选择的例子，除了你的…