sklearn.feature_selection中的除卡方外的特征选择指标

Question

我正在尝试使用sklearn.svm.SVC进行一些文本分类的实验。我了解到，在使用支持向量机（SVM）建模之前进行特征选择并不是一个很明智的做法，因为通常情况下，使用所有特征的表现会最好。不过，从学术角度来看，看看不同的特征选择方法是如何对特征进行排名的，还是挺有意思的。

经过一些研究，我发现sklearn中可用的特征选择指标非常有限，比如只有卡方检验（Chi-2）。我想知道是否有其他常用的指标，比如信息增益（IG）和贝叶斯网络（BNS），已经在sklearn（或其他地方）实现了，可以直接用作sklearn.feature_selection.SelectKBest()中的评分函数？

Answer 1

InfoGain这个功能还没有实现，但我觉得@larsmans希望将来能把它加入进来。我对BNS的情况不太了解。

如果你想的话，欢迎你来贡献这个功能。这里有一个贡献指南：

http://scikit-learn.org/dev/developers/index.html