mrmr特征选择下载

weixin_39822095 2020-06-22 12:30:23

64位Linux下执行，首先chmod 777 mrmr,然后./mrmr可显示具体使用帮助
相关下载链接：//download.csdn.net/download/w87522465/10553691?utm_source=bbsseo

...全文

85 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

【达摩老生出品，必属精品，亲测校正，质量保证】资源名：matlab MRMR和relieff特征选择方法资源类型：matlab项目全套源码源码说明：全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。适合人群：新手及有一定经验的开发人员

MRMR算法 MATLAB代码，特征选择算法，MRMR算法的实现，注释清楚且可成功运行，运行不了可联系博主。

资源下载链接为： https://pan.quark.cn/s/abbae039bf2a mRMR（最小冗余最大相关）算法是一种用于特征选择的方法，特别适用于高维数据集，在机器学习和数据挖掘领域有广泛应用。它的核心目标是挑选出一组特征，这些特征不仅与目标变量高度相关，而且彼此之间相互独立，从而减少冗余特征，提升模型效率和准确性，降低过拟合风险。封装好的“mRMR算法包”方便用户直接调用，无需深入了解底层实现。它通常提供函数或接口，用户输入原始数据和目标变量后，即可得到经过特征选择的子集。在相关文件中，“mrmr_win32.exe”可能是Windows系统下的可执行文件，用于运行mRMR算法进行特征选择；“mrmr.txt”可能是使用说明、输出结果或算法介绍文档，包含程序运行方法、结果解释及算法原理等内容。 mRMR算法基于互信息（MI）来衡量特征之间的相关性和冗余性。MI是非对称度量，用于评估两个随机变量的依赖程度。在mRMR中，特征选择遵循两个准则：一是最大化特征与目标变量的MI（最大相关性）；二是最小化特征与已选特征的平均MI（最小冗余）。通过迭代过程，最终得到既相关又不冗余的特征子集。具体步骤为：首先计算每个特征与目标变量的MI，选取MI值最高的特征作为初始特征；然后对剩余特征计算与已选特征的平均MI，保留与目标变量MI高的特征；重复上述过程，直至达到预设特征数量或其他停止条件。 mRMR算法的优点包括：能够处理非线性关系和多值类别特征；有效降低特征维度，提升模型性能；结果可解释性强，因为选择了最相关的特征。不过，它也存在一些局限性，比如计算复杂度较高，对大数据集效率较低，可能错过大规模特征空间中某些重要特征组合。 mRMR算法包为数据科学家和研究人员提供了一个便捷工具，帮助他们在特征工程阶段快速筛选出最有价值的特征，优化模型性能。用户可以通过阅读“mrmr.tx

MRMR mrmr （最小冗余）是一种“最小最佳”特征选择算法，这意味着在给定（少量）特征的情况下，它试图找到能够提供最佳分类的特征集。如何安装您可以通过以下方式在您的环境中安装mrmr ： pip install git+https://github.com/smazzanti/mrmr 如何使用您有一个由数字变量（ X ）和一个系列（二进制或多类）目标变量（ y ）组成的数据框。您希望选择K个要素，以便它们具有最大的相关性，但又要使彼此之间的冗余度尽可能小。 from mrmr import mrmr_classif from sklearn.datasets import make_classification # create some data X, y = make_classification(n_samples = 1000, n_features = 50,

matlab实验源代码 feature-selection 很简单的特征选择代码实现。会逐步追加不同的特征选择方法。读取数据是用的libsvm中的libsvmream。数据下载地址： Data文件夹为试验用数据 matlab文件夹为libsvm安装包。里面是已经用mex安装过后的状态 MI文件夹是互信息量计算，源代码为C method为特征选择方法的文件夹，会陆续更新不同的特征选择方法。方法：mRMR，reliefF，SVM_REF 这个项目鸽了，没意思

下载资源悬赏专区

13,654

社区成员

12,573,895

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章