python 特征筛选_python中feature-list怎么用

 
#特征初筛
#如果是分类问题：对于分类变量，分析较多类的变迁分布是否差异明显，此类变量不删除
#这里回归问题 则 不考虑
def Remove_singleValue_var(df,var_list):
    # 变量取值同一性，删除
    Sigle_var = [i for i in df
                      if df[i].value_counts().sort_values(ascending=False)
                      .values[0]/len(df) > 0.99]
    return Sigle_var
 
 
def Remove_low_variance(df,var_list,std_lower=1):
    
    low_variance_var=[]
    for i in var_list:
        if  (len(df[i].value_counts())>10) and (df[i].std()<std_lower):
            low_variance_var.append(i)
    
    return low_variance_var
            
    
#树模型重要度特征选择
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import KFold
def Select_feature(df,label,col_num=100,n_folds=3):
    #X是不含id 的數據，X=self.allldata[:len(self.train)]
    '''使用extra tree 进行特征选择'''
    '''param:data 数据'''
    '''param:col_num 每