skfeature.function.statistical_based.f_score

 
Modules
       
numpy

 
Functions
       
f_score(X, y)
This function implements the anova f_value feature selection (existing method for classification in scikit-learn),
where f_score = sum((ni/(c-1))*(mean_i - mean)^2)/((1/(n - c))*sum((ni-1)*std_i^2))
 
Input
-----
X: {numpy array}, shape (n_samples, n_features)
    input data
y : {numpy array},shape (n_samples,)
    input class labels
 
Output
------
F: {numpy array}, shape (n_features,)
    f-score for each feature
feature_ranking(F)
Rank features in descending order according to f-score, the higher the f-score, the more important the feature is