此方法对于分类中的特征选择很有用。 它将特征分级在 0 到 1 之间，其中较高的值意味着该特征与分类更相关。 使用截止值可以从输入列表中选择更好的特征。 执行： S=IDE2（数据，类，阈值） [S i]=IDE2（数据，类，阈值）； [S im]=IDE2（数据，类，阈值）； 输入： 数据：特征应该列在列中，样本应该成行分布。 例如具有 4 个特征的数据集并且 20 个样本应作为 20x4 矩阵提供。 类：一个一维矩阵，长度为数据中的样本。 例如对于前面的例子，类矩阵应该是 20x1，每个单元格代表一个相关的数字到班级。 注意：类应该从 1 开始并不断增加。 以三类 Healthy、Fault1 为例和 Fault2，类矩阵应包含 1,2,3 个值。 阈值：阈值表示所需的截止值应介于 0 和 1 之间。索引和选定的输出将根据这个值生成。 输出： 分数：报告每个有界特征的 IDE 分

功能选择 通过探索不同的算法，创建新的创新特征选择算法。 为了解决特定的问题，应该相应地建立模型。 但是，用于建模的特征选择是一个复杂且耗时的问题，因为很难预测我们需要在问题中查看哪些特征。 特征选择是自动形成与项目最相关的特征子集并准备数据以进行进一步处理的过程。 动机 纯蚁群优化（ACO）能够以惊人的运行时间（比其他搜索方法低）实现高精度解决方案。 但是，纯蚁群优化在特征选择问题上缺少一些特定领域的信息，其目的是在最大程度地提高准确性的同时减少选择特征的数量。 可以将另一种搜索算法放在最上面，从而找到最合适的ACO初始设置。 选择“模拟退火”是因为它在搜索空间中获得了很大的随机性。 工具 Python 2.7 numpy：数学库，对数组执行操作。 熊猫：图书馆，数据处理和分析 scikit-learn：ML库 数据参考 虹膜： ： 乳腺癌威斯康星州（诊断）： : 社区与

Jx-WFST：包装特征选择工具箱 -------------------------------------------------- -------------------------------------------------- -------------------------------------------------- ------------- * 该工具箱提供了 40 多种包装器特征选择方法 * 提供了如何在基准数据集上应用这些方法的示例 * 这个 Jx-WFST 工具箱的详细信息可以在https://github.com/JingweiToo/Wrapper-Feature-Selection-Toolbox找到

此工具箱提供均衡优化器 (EO) 方法 “主要”脚本说明了EO如何使用基准数据集解决特征选择问题的示例。 ****************************************************** ****************************************************** **********************************

运行文件PSO,即可运行程序。程序给了相应中文解释。本文件提供4个相关的数据集，前缀为data为是数据，前缀为target为数据的标签。注：使用的是MATLAB2016a版本，采用MATLAB自带的SVM,若已安装林志仁SVM，则程序可能会运行失败，解决办法：MATLAB设置路径为默认路径，再次运行即可。

这是PLS和PCR的两个具体实例，里面包括代码、数据以及相对应的结果，可以直接改相关数据就行~~~

机器学习基础_数据的降维及实战.pdf

用于特征选择的粒子群优化 运行算法： 步骤 1：运行 PSO.m 文件 您可以使用您选择的数据集和 SVM 分类器替换数据集和 SVM 分类器。 如果您发现错误，请给我们发电子邮件。 Sadegh Salesi sadegh.salesi@my.ntu.ac.uk Georgina Cosma 博士 georgina.cosma@ntu.ac.uk 参考：S. Salesi 和 G. Cosma，“一种用于特征选择的新型扩展二进制布谷鸟搜索算法”，2017 年第二届知识工程与应用国际会议 (ICKEA)，伦敦，2017 年，第 6-12 页。 doi：10.1109/ICKEA.2017.8169893 网址： http : //ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8169893&isnumber=8169886

【特征选择】使用遗传算法（GA）进行特征组合

联合互信息特征选择的python实现，这是参考文献（Feature selection based on joint mutual information）