如何计算所有特征与目标变量（二元分类器，python 3）的相关性？

Posted 2021-05-03

我想在python中计算我所有特征（所有浮点类型）和类标签（二进制，0或1）的相关性。另外，我想绘制数据以按类别可视化它们的分布。

这是必需的，因此我可以找到与单个标签相关的功能并找出它们的真正重要性。请注意，我不希望成对特征关联，并且我的分类器是二进制的。

我已经尝试了以下（来自stackoverflow中的类似帖子）但它并不完全是我想要的。

df.drop("Target", axis=1).apply(lambda x: x.corr(df.Target)) 

请在附图中看到一个特征（来自Weka）的分布情况。

其中一个特征的类分布

任何反馈都非常感谢。

答案

相关不应该用于分类变量。有关更多说明，请参阅here

您可以使用以下方法了解自变量和目标变量之间的关系。

from sklearn.datasets import load_breast_cancer
data  = load_breast_cancer(return_X_y=False)

import pandas as pd

df=pd.DataFrame(data.data[:,:5])
df.columns = data.feature_names[:5]

df['target'] = data.target.astype(str)

import seaborn as sns;
import matplotlib.pyplot as plt
g= sns.pairplot(df,hue = 'target', diag_kind= 'hist',
             vars=df.columns[:-1],
             plot_kws=dict(alpha=0.5), 
             diag_kws=dict(alpha=0.5))
plt.show()