原文：
www.kdnuggets.com/2016/03/scikit-feature-open-source-feature-selection-python.html
作者：Jundong Li，ASU。
scikit-feature 是一个在亚利桑那州立大学开发的开源特征选择库，基于 Python。它建立在广泛使用的机器学习包 scikit-learn 以及两个科学计算包 Numpy 和 Scipy 之上。scikit-feature 包含约 40 种流行的特征选择算法，包括传统特征选择算法以及一些结构化和流式特征选择算法。
1. 谷歌网络安全证书 - 快速开启网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT
它作为一个平台，促进特征选择的应用、研究和比较研究。它旨在共享在特征选择研究中开发的广泛使用的特征选择算法，并为研究人员和实践者提供便利，以进行新的特征选择算法的实证评估。
目前，scikit-feature 包含以下类别的监督和无监督特征选择算法：
-
基于相似性的特征选择
-
基于信息论的特征选择
-
稀疏学习基础的特征选择
-
基于统计的特征选择
-
基于包装器的特征选择
-
结构特征选择
-
流式特征选择
此外，scikit-feature 还提供了许多基准特征选择数据集，并提供了如何通过分类或聚类任务评估特征选择算法的示例。
要下载 scikit-feature，请访问其附加信息网站：featureselection.asu.edu/
如果你需要更多信息，请联系亚利桑那州立大学的 Jundong Li（[email protected]）。
简介：Jundong Li 是亚利桑那州立大学计算机科学与工程博士生。他的研究兴趣包括数据挖掘、机器学习及其在社交媒体中的应用。
相关：
-
数据科学机器，或‘如何进行特征工程’
-
构建机器学习系统的 20 条经验
-
数据维度减少的七种技术