特征选择之卡方统计 Chi-Square

原创于 2016-03-25 20:15:13 发布 · 7.7k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#数据挖掘 #特征选择 #卡方统计 #Chi-Square

数据挖掘专栏收录该内容

27 篇文章

订阅专栏

本文介绍了一种基于卡方检验的特征选择方法，并通过MATLAB函数实现该方法。具体步骤包括：计算每个特征的卡方统计量，按统计量大小排序并选择前k个特征。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

%%% dataset中的最后一列为分类类别，k为要选择的特征个数

function result=chiAttributeEva(dataset,k)

% character_order
character_order=[];
% the count of classes
classes=unique(dataset(:,size(dataset,2)));
n=size(dataset,2)-1;
for i=1:n
character=dataset(:,i);
character_value=unique(character,'rows');
chi_i=0;
for j=1:length(character_value)
value_rows_id=find(character==character_value(j));
value_rows=dataset(value_rows_id,:);
for m=1;length(classes)
class_id=find(value_rows(:,size(value_rows,2))==classes(m));
o_jk=length(class_id);
o_j=length(value_rows_id);
o_k=length(find(dataset(:,size(dataset,2)))==classes(m));
e_jk=o_j*o_k/n;
chi=(o_jk-e_jk)^2/e_jk;
chi_i=chi_i+chi;
end
end
character_order(i,:)=[i,chi_i];
end
character_order=sortrows(character_order,2);
result=character_order(1:k,:);
end