sklearn.feature_selection.VarianceThreshold 方差閾值法（過濾法的一種）

sklearn.feature_selection.VarianceThreshold 方差閾值法，用於特征選擇，過濾器法的一種，去掉那些方差沒有達到閾值的特征。默認情況下，刪除零方差的特征

函數用法：

class sklearn.feature_selection.VarianceThreshold(threshold=0.0)

參數：

threshold：float，閾值，訓練集方差低於此閾值的要素將被刪除。默認設置是使所有要素的方差均非零，即刪除所有樣本中具有相同值的要素

屬性：

variances_：array, shape (n_features,)即是每個特征的方差是多少，返回的是數組

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]）適合SelectFromModel元變壓器。
2. fit_transform（X [，y]）適合數據，然后對其進行轉換。
3. get_params（[deep]）獲取此估計量的參數。
4. get_support（[index]）獲取所選特征的掩碼或整數索引
5. inverse_transform（X）反向轉換操作
6. partial_fit（X [，y]）僅將SelectFromModel元變壓器安裝一次。
7. set_params（**參數）設置此估算器的參數。
8. transform（X）將X縮小為選定的特征。