使用MIC进行变量选择

钱塘小甲子

于 2016-03-14 20:45:05 发布

阅读量3.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/qtlyx/article/details/50889571

本文探讨了在众多自变量中如何通过MIC（最大信息系数）来选择对因变量影响最大的变量。通过计算各变量与因变量的MIC值，结果显示x2与因变量y的相关性最高，而其他如x3和x4的MIC值较小，表明它们与y的关系较弱。这种方法有助于筛选无关变量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如果有很多自变量，我们能在很多自变量中选出几个对因变量影响最大的吗?或许MIC可以解决这个问题哦。

# -*- coding: utf-8 -*-
"""
Created on Mon Mar 14 19:52:57 2016

@author: Luyixiao
"""


import numpy as np
from minepy import MINE
import matplotlib.pyplot as plt

def print_stats(mine):
    print "MIC", mine.mic()
#    print "MAS", mine.mas()#detecting periodic relationships with unknown frequencies
#    print "MEV", mine.mev()
#    print "MCN (eps=0)", mine.mcn(0)
#    print "MCN (eps=1-MIC)", mine.mcn_general()

x1 = np.linspace(0, 1, 1000)
x2 = np.random.randn(x1.shape[0])+0.5
x3 = np.random.randn(x1.shape[0])#normal mean = 0,dev = 1
x4 = np.random.random_sample(x1.shape[0])#random
x5 = 2*np.random.randn(x1.shape[0])+10 #normal mean = 10,dev = 2
x6 = 4*np.random.random_sample(x1.shape[0])#random*4
y = np.sin(10 * np.pi * x1) + x2
#y = np.si