woodwork.table_accessor.WoodworkTableAccessor.mutual_information#

WoodworkTableAccessor.mutual_information(num_bins=10, nrows=None, include_index=False, include_time_index=False, callback=None, extra_stats=False, min_shared=25, random_seed=0, max_nunique=6000)[source]#

计算 DataFrame 中所有支持互信息的列对之间的互信息。调用 woodwork.utils.get_valid_mi_types 查看哪些逻辑类型支持互信息。

参数:

  • num_bins (int) – 确定用于将数值特征转换为分类特征的分箱数量。默认为 10。

  • nrows (int) – 计算互信息时要采样的行数。如果指定，则从数据中采样所需数量的行。默认为使用所有行。

  • include_index (bool) – 如果为 True，只要指定为索引的列的逻辑类型对互信息计算有效，该列就会被包含在内。如果为 False，则不会为索引列计算互信息。默认为 False。

  • include_time_index (bool) – 如果为 True，指定为时间索引的列将包含在互信息计算中。如果为 False，则不会为时间索引列计算互信息。默认为 False。

  • callback (callable, optional) – 用于接收增量更新的回调函数。具有以下参数： - update (int)：自上次调用以来的进度变化 - progress (int)：到目前为止的计算进度 - total (int)：总共需要进行的计算数量 - unit (str)：进度/总量的度量单位 - time_elapsed (float)：自开始调用以来经过的总时间（秒）

  • extra_stats (bool) – 如果为 True，则 DataFrame 中将包含一个额外的列“shared_rows”，记录列对共享的非空行数。默认为 False。

  • min_shared (int) – 计算所需的共享非空行数。少于此行数将被认为过于稀疏而无法准确测量，并将返回 NaN 值。必须为非负数。默认为 25。

  • random_seed (int) – 随机数生成器的种子。默认为 0。

  • max_nunique (int) – 所有大型分类列（唯一值 > 800）的最大总唯一值数量。将丢弃分类列，直到达到此数量或只剩下一个大型分类列。默认为 6000。

返回值:

一个包含互信息的 DataFrame，列包括 column_1、column_2 和 mutual_info，按互信息降序排列。互信息值介于 0（无互信息）和 1（完美依赖）之间。

返回类型:

pd.DataFrame