使用SelectKBest进行特征筛选

`SelectKBest` 是 scikit-learn 中的一个特征选择工具，可以根据指定的评分函数选择最优特征。

以下是使用 `SelectKBest` 进行特征选择的一般流程：

1. 导入 `SelectKBest` 和评分函数（如 `f_classif`、`mutual_info_classif` 等）。

   from sklearn.feature_selection import SelectKBest
   from sklearn.feature_selection import f_classif

2. 创建 `SelectKBest` 对象，设置评分函数和选择的特征数量 k。

   selector = SelectKBest(score_func=f_classif, k=k)

3. 使用 `fit_transform` 方法对原始数据进行特征选择，返回被选择的 k 个特征。

   X_new = selector.fit_transform(X, y)

其中，`X` 是原始数据的特征矩阵，`y` 是对应的标签向量。`fit_transform` 方法同时对训练集进行拟合和转换。
4. 如果需要，也可以使用 `get_support` 方法获取被选择特征的索引或布尔类型数组。

   selector.get_support(indices=True)
   selector.get_support(mask=True)

注意：在进行特征选择前，应该将特征矩阵和标签向量分别拆分成训练集和测试集，以免特征选择过程中泄露测试集信息。