f_regression python

`f_regression`是一个用于线性回归模型的特征选择方法，它可以基于每个特征与目标变量之间的F值和p值来计算特征的重要性。在Python中，`f_regression`可以通过`sklearn.feature_selection`模块中的`f_regression`函数来实现。例如：

from sklearn.feature_selection import f_regression
import numpy as np

X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = np.array([10, 20, 30])

f_values, p_values = f_regression(X, y)

print("F values:", f_values)
print("p values:", p_values)

输出结果为：

F values: [9. 9. 9.]
p values: [0.11973411 0.11973411 0.11973411]

其中，`f_values`表示每个特征对应的F值，`p_values`表示每个特征对应的p值。可以根据这些值来选择最重要的特征用于建立线性回归模型。