在Python中将具有离散特征的索引的数组传递给Mutual_info_classif

Question

我正在使用来自sklearn.feature_selection.mutual_info_classif的MI来计算4个连续变量（X矩阵）和y（目标类）之间的MI

X：

prop_tenure prop_12m    prop_6m prop_3m

    0.04        0.04        0.06    0.08

    0           0           0       0

    0           0           0       0

    0.06        0.06        0.1     0

    0.38        0.38        0.25    0

    0.61        0.61        0.66    0.61

    0.01        0.01        0.02    0.02

    0.1         0.1         0.12    0.16

    0.04        0.04        0.04    0.09

    0.22        0.22        0.22    0.22

    0.72        0.72        0.73    0.72

    0.39        0.39        0.45    0.64

**y**

status

0

0

1

1

0

0

0

1

0

0

0

1

所以我的X都是连续的，而y是离散的。

函数中有一个参数，我可以将离散特征的索引传递给该参数：

sklearn.feature_selection.mutual_info_classif(X, y, discrete_features=’auto’, n_neighbors=3, copy=True, random_state=None)

我正在做如下：

print(mutual_info_classif(X,y,discrete_features = [3],n_neighbors = 20))

[0.12178862 0.12968448 0.15483147 0.14721018]

尽管这没有给出错误，但是我不确定是否要传递正确的索引来将y变量标识为离散变量并将其他变量标识为连续变量。

有人可以澄清一下我是否错了吗？

Answer 1

该函数mutual_info_classif已经假定您的目标y是离散的。因此，无需传递任何索引，以下内容就足够了mutual_info_classif(X, y)请注意，默认值会discrete_features=’auto’自动计算出，因为所有X数组都是密集数组，所以所有功能都是连续的。同样，您的示例是错误的，因为进纸 discrete_features=[3]会导致算法将第四要素（prop_3m）视为离散要素。

Answer 2

参数discrete_features用于指定您是否希望将特征（X）视为离散的或密集的（连续的）。默认情况下，Y以离散方式传递。而且，由于您正在找到连续随机变量的MI索引，因此应将其设置为“自动”以获得正确的结果。