鋒哥原創的Scikit-learn Python機器學習視頻教程：

2026版 Scikit-learn Python機器學習 視頻教程(無廢話版) 玩命更新中~_嗶哩嗶哩_bilibili

課程介紹

本課程主要講解基于Scikit-learn的Python機器學習知識，包括機器學習概述，特征工程(數據集，特征抽取，特征預處理，特征降維等)，分類算法(K-臨近算法，樸素貝葉斯算法，決策樹等)，回歸與聚類算法(線性回歸，欠擬合，邏輯回歸與二分類，K-means算法)等。

Scikit-learn Python機器學習 - 特征降維 壓縮數據 - 特征選擇 - 移除低方差特征(VarianceThreshold)

適用于移除方差低于閾值的特征，這些特征通常包含很少的信息。

VarianceThreshold 是機器學習中一個簡單但實用的特征選擇方法，它通過移除低方差特征來簡化數據集。VarianceThreshold 的主要參數是 threshold，它決定了特征被保留與否的方差門檻。

參數名 (Parameter)	說明 (Description)	默認值 (Default)
threshold	一個浮點數 (float)。指定要保留特征的最低方差閾值。訓練集中方差低于此閾值的特征將被移除。	0.0

我們來看一個示例：

from sklearn.feature_selection import VarianceThreshold
from sklearn.datasets import load_iris
?
# 加載示例數據
X, y = load_iris(return_X_y=True)
# 設置閾值，移除方差低于0.8的特征
selector = VarianceThreshold(threshold=0.8)
X_new = selector.fit_transform(X)
?
print(f"原始特征數: {X.shape[1]}")
print(f"篩選后特征數: {X_new.shape[1]}")

運行結果：

原始特征數: 4
篩選后特征數: 1

數學知識：方差

方差公式是一個數學公式，是數學統計學中的重要公式，應用于生活中各種事情，方差越小，代表這組數據越穩定，方差越大，代表這組數據越不穩定

若x1,x2,x3......xn的平均數為M，則方差公式可表示為：