SelectPercentile 分数函数如何工作？
How does the SelectPercentile score function work?
最近在研究降维方法，发现python包“sklearn.feature_selection”好像挺有用的，问题是方法SelectPercentile.fit没有解释它计算得分函数。
有人知道它是如何工作的吗？
例如，如果我 select "SelectFdr" for "SelectPercentile"，并且 SelectFdr 方法的标准取决于每个 p 值每个功能。我怎么知道“SelectFdr”通过哪些方式设置假设或定义错误率？
SelectFdr 方法订阅是“Select 基于估计错误发现率的特征。”所以它首先肯定是使用了一些分类方法，所以它可以计算错误发现率，我的问题是“SelectPercentile”中的分类方法是什么。
源码注释见下方link：
https://github.com/scikit-learn/scikit-learn/blob/ef5cb84a/sklearn/feature_selection/univariate_selection.py#L368
您可以select将评分函数作为参数。如果你不确定函数，默认函数是方差分析。
最近在研究降维方法，发现python包“sklearn.feature_selection”好像挺有用的，问题是方法SelectPercentile.fit没有解释它计算得分函数。
有人知道它是如何工作的吗？
例如，如果我 select "SelectFdr" for "SelectPercentile"，并且 SelectFdr 方法的标准取决于每个 p 值每个功能。我怎么知道“SelectFdr”通过哪些方式设置假设或定义错误率？
SelectFdr 方法订阅是“Select 基于估计错误发现率的特征。”所以它首先肯定是使用了一些分类方法，所以它可以计算错误发现率，我的问题是“SelectPercentile”中的分类方法是什么。
源码注释见下方link： https://github.com/scikit-learn/scikit-learn/blob/ef5cb84a/sklearn/feature_selection/univariate_selection.py#L368
您可以select将评分函数作为参数。如果你不确定函数，默认函数是方差分析。