本文介绍了卡方（Chi-Squared）特征选择算法，用于评估特征与目标变量的相关性。通过计算卡方值，可以确定特征的重要性。公式为X^2 = ∑ ((YA - YB)^2 / YB)，其中YA是实际值，YB是假设无关时的理想值。当卡方值较大，表示特征与目标变量的相关性较强。在数据挖掘工具如Weka中，有内置的ChiSquaredAttributeEval函数来实现这一检验。
chisquare特征选择算法：
通过计算各个特征的卡方值，进行排序后得到。
步骤如下： 1. 假设该特征与目标特征无关。 2. 计算卡方值，若卡方值较小，则相关性较小； 若较大，则相关性较大。
每个特征的卡方值计算应如下：
X^2 = ∑ (（YA - YB）^ 2 / YB)
其中，YA是每个样本中，YA的实际值，而YB为理想值,即假设无关成立时，理想的值。
由于假设该特征与目标特征无关，则应当在该特征的范围上，目标特征值均匀分布。
例如：
假设X 有三种分类，XA,XB,XC. Y 有两种分类， Y1，Y2
则对于卡方值计算有
| Y1 | Y2 | 合计 | |
| XA | a | b | a+b |
| XB | c | d | c+d |
| XC | e | f | e+f |
| 合计 | a+c+e | b+d+f |
由于X属性与Y属性无关， 则有， (a+b) * (a+c+e) / (a+b+c+d+e+f) 为 X属性值为
最低0.47元/天 解锁文章
扫一扫
1328
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
