基于MIC（最大互信息系数）的特征选择

dapmood · 发表于 2020-11-2 13:35

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

最大信息系数 maximal information coefficient (MIC)，又称最大互信息系数。

特征选择步骤

①计算不同维度（特征）之间的MIC值，MIC值越大，说明这两个维度越接近。
②寻找那些与其他维度MIC值较小的维度，根据阈值选出这些特征。
③利用SVM训练
④训练结果在测试集上判断错误率

MATLAB代码：

clc
load train_F.mat;
load train_L.mat;
load test_F.mat;
load test_L.mat;
Dim = 22;
MIC_matrix = zeros(Dim, Dim);
for i = 1：Dim
for j = 1：Dim
X_v = reshape(train_F(:,i),1,size(train_F(:,i),1));
Y_v = reshape(train_F(:,j),1,size(train_F(:,j),1));
[A, ~] = mine(X_v, Y_v);
MIC_matrix(i, j) = A.mic;
end
end
MIC_matrix(MIC_matrix>0.4) = 0;
MIC_matrix(MIC_matrix~=0) = 1;
inmodel = sum(MIC_matrix);
threshold = sum(inmodel)/Dim;
inmodel(inmodel <= threshold) = 0;
inmodel(inmodel > threshold) = 1;
model = libsvmtrain(train_L,train_F(:,inmodel));
[predict_label, ~, ~] = libsvmpredict(test_L,test_F(:,inmodel),model);
error=0;
for j=1:length(test_L)
if(predict_label(j,1) ~= test_L(j,1))
error = error+1;
end
end
error = error/length(test_L);
! z6 P' f7 T) p& k" o; |

regngfpcb · 发表于 2020-11-2 14:18

基于MIC（最大互信息系数）的特征选择

帐号		自动登录	找回密码
密码			注册

基于MIC（最大互信息系数）的特征选择

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1