sklearn mutual_info_classif根据功能顺序返回不同的值

Question

我注意到sklearn mutual_info_classif函数中的行为与我在mutual information目标中的预期不一致

给定一组列['a'、'B'、'C']和因变量y，计算的互信息可以是所有特征和y（单个标量）之间的互信息，也可以是单个特征和y（标量列表）之间的互信息。基于此，我不确定sklearn返回给我的值是什么，因为这些值随功能的顺序而变化，并随输入的功能数量而变化

1. sklearn给出的互信息值（特征和因变量之间）随列的顺序而变化。 例如，以下查询提供不同的输出

feature_scores = mutual_info_classif(X[['A', 'B', 'C']], y, random_state=0)
feature_scores

array([0.        , 0.13, 0.045])

feature_scores = mutual_info_classif(X[['A', 'C', 'B']], y, random_state=0)
feature_scores

array([0.        , 0.017, 0.14]

1. 另一个意外行为是更改特征集会更改互信息值

feature_scores = mutual_info_classif(X[['A', 'B']], y, random_state=0)
feature_scores

array([0.        , 0.14])

feature_scores = mutual_info_classif(X[['A', 'B', 'C']], y, random_state=0)
feature_scores

array([0.        , 0.13, 0.045])

有人能向我解释一下这种行为吗？为什么这是正确的