sklearn.feature_selection.VarianceThreshold 方差阈值法（过滤法的一种）

sklearn.feature_selection.VarianceThreshold 方差阈值法，用于特征选择，过滤器法的一种，去掉那些方差没有达到阈值的特征。默认情况下，删除零方差的特征

函数用法：

class sklearn.feature_selection.VarianceThreshold(threshold=0.0)

参数：

threshold：float，阈值，训练集方差低于此阈值的要素将被删除。默认设置是使所有要素的方差均非零，即删除所有样本中具有相同值的要素

属性：

variances_：array, shape (n_features,)即是每个特征的方差是多少，返回的是数组

from sklearn.feature_selection import VarianceThreshold      
X = [[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]]
selector = VarianceThreshold()
selector.fit_transform(X)
'''
array([[2, 0],
       [1, 4],
       [1, 1]])
'''
selector.variances_
#array([0.        , 0.22222222, 2.88888889, 0.        ])

方法：

1. fit（X [，y]）适合SelectFromModel元变压器。
2. fit_transform（X [，y]）适合数据，然后对其进行转换。
3. get_params（[deep]）获取此估计量的参数。
4. get_support（[index]）获取所选特征的掩码或整数索引
5. inverse_transform（X）反向转换操作
6. partial_fit（X [，y]）仅将SelectFromModel元变压器安装一次。
7. set_params（**参数）设置此估算器的参数。
8. transform（X）将X缩小为选定的特征。