mrmr特征选择算法matlab,python – 使用MRMR进行特征选择

本文探讨了在Python中使用pymrmr和mifs库实现Max-Relevance Min-Redundancy(MRMR)特征选择算法的两种方法,并通过一个数据集展示了不同方法的输出结果。尽管在相同数据集上应用,但两库提供的MRMR实现产生了略微不同的特征排序。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我发现了两种在

python中实现MRMR功能选择的方法.包含该方法的论文的来源是:

这是我的数据集代码.

import numpy as np

import pandas as pd

from sklearn.datasets import make_classification

from IPython.core.interactiveshell import InteractiveShell

InteractiveShell.ast_node_interactivity = "all"

X, y = make_classification(n_samples=10000,

n_features=6,

n_informative=3,

n_classes=2,

random_state=0,

shuffle=False)

# Creating a dataFrame

df = pd.DataFrame({'Feature 1':X[:,0],

'Feature 2':X[:,1],

'Feature 3':X[:,2],

'Feature 4':X[:,3],

'Feature 5':X[:,4],

'Feature 6':X[:,5],

'Class':y})

y_train = df['Class']

X_train = df.drop('Class', axis=1)

方法1:使用py

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值