function [fea] = mrmr_miq_d(d, f, K) dkf举例
时间: 2023-11-27 11:54:33 浏览: 130
FEA.rar_FEA_fea.rar_finite element_有限元
假设d是n个样本的d维特征矩阵,f是n个样本的标签向量,K是选择的特征数。
可以按照以下步骤使用mRMR-MIQ-D算法选择特征:
1. 计算d中各个特征与标签f的互信息,得到一个d维的向量miq。
2. 将miq按照大小从大到小排序,选择miq最大的特征作为第一个选定的特征,将其加入已选特征集合S中。
3. 对于剩余的特征,分别计算它们与已选特征集合S中的特征的互信息,得到一个d-1维的向量mrmr。
4. 将mrmr按照大小从大到小排序,选择mrmr最大的特征作为下一个选定的特征,将其加入已选特征集合S中。
5. 重复步骤3-4,直到选择了K个特征。
6. 最终得到的已选特征集合S即为所选的特征,返回S对应的特征矩阵fea。
具体的 MATLAB 实现代码如下:
```
function [fea] = mrmr_miq_d(d, f, K)
% d: n by m data matrix
% f: n by 1 label vector
% K: number of features to select
[n,m] = size(d);
t = ceil(log2(n));
% calculate mutual information between features and labels
miq = zeros(1,m);
for i = 1:m
miq(i) = mutualinfo(d(:,i), f);
end
% select the first feature with largest MIQ
[~, idx] = max(miq);
S = idx;
% select additional features using MRMR-MIQ-D algorithm
for k = 2:K
mrmr = zeros(1,m);
for i = 1:m
if ~ismember(i, S)
% calculate MIQ between feature i and selected features
miq_iS = zeros(1,length(S));
for j = 1:length(S)
miq_iS(j) = mutualinfo(d(:,i), d(:,S(j)));
end
% calculate MRMR criterion
mrmr(i) = miq(i) - sum(miq_iS)/length(S);
end
end
% select feature with largest MRMR criterion
[~, idx] = max(mrmr);
S = [S idx];
end
fea = d(:,S);
```
其中,mutualinfo()是计算互信息的函数,可以使用MATLAB自带的函数或其他第三方函数库。
阅读全文