最大相关和最小冗余算法mRMR特征选择，mRMR分类预测，多变量输入模型。 在特征选择过程中，有一种算法叫做mRMR（Max-Relevance and Min-Redundancy）。其原理非常简单，就是在原始特征集合中找到与最终输出结果相关性最大（Max-Relevance），但是特征彼此之间相关性最小的一组特征（Min-Redundancy）。 多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。 程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图

包含各种特征选择方法如：%MIFS %mRMR %CMIM %JMI %DISR CIFE %ICAP %CondRed %BetaGamma %CMI

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab MRMR和relieff特征选择方法 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

mRMR算法，用于计算分类的最大相关性，最小冗余性.已封装好，可以直接用。

matlab MRMR和relieff特征选择方法.rar

这个包是 (Peng et al, 2005 and Ding & Peng, 2005, 2003) 中的 mRMR（minimum-redundancy maximum-relevancy）特征选择方法，它比传统的 top-ranking 方法更好的性能已经在许多最近出版物中的数据集。 该版本使用互信息作为计算变量（特征）之间相关性和冗余的代理。 其他变化，例如使用相关性或 F 检验或距离，也可以在此框架内轻松实现。 Hanchuan Peng、Fuhui Long 和 Chris Ding，“基于互信息的特征选择：最大依赖、最大相关和最小冗余的标准”， IEEE 模式分析和机器智能汇刊， 卷。 27, No. 8, pp.1226-1238, 2005. [PDF] Ding C. 和 Peng HC，“微阵列基因表达数据的最小冗余特征选择”，《生物信息学与计算生物学杂志》，

MRMR mrmr （最小冗余）是一种“最小最佳”特征选择算法，这意味着在给定（少量）特征的情况下，它试图找到能够提供最佳分类的特征集。 如何安装 您可以通过以下方式在您的环境中安装mrmr ： pip install git+https://github.com/smazzanti/mrmr 如何使用 您有一个由数字变量（ X ）和一个系列（二进制或多类）目标变量（ y ）组成的数据框。 您希望选择K个要素，以便它们具有最大的相关性，但又要使彼此之间的冗余度尽可能小。 from mrmr import mrmr_classif from sklearn.datasets import make_classification # create some data X, y = make_classification(n_samples = 1000, n_features = 50,

MRMR算法 MATLAB代码，特征选择算法，MRMR算法的实现，注释清楚且可成功运行，运行不了可联系博主。

该代码是最小冗余最大相关性（mRMR）代码，里面也包含了数据和案例，很容易跑通代码。

由c语言实现的最大相关最下冗余的特征选择算法源码部分。