基于遗传算法和信息论的特征选择器：该算法利用遗传算法进行组合优化。-matlab开发

信息论中的技术通常用于选择时间序列预测或模式识别中的变量。 这些任务直接或间接地涉及输入和输出数据之间互信息的最大化。 然而，由于联合熵的计算，该过程需要大量的计算工作，这需要联合概率分布的估计。 为了避免这种计算工作，可以根据最小冗余/最大相关性原则应用变量选择，以较低的计算成本间接最大化互信息。 然而，组合优化的问题，即检查所有可能的变量组合，仍然代表大量的计算工作。 由于这种计算成本，以前的一些工作提出了一种简单的增量搜索方法，可以达到准最优解。 鉴于现有方法的局限性，开发了此代码，以使用遗传算法执行组合优化。 参数是所需的所选特征数 (feat_numb)、矩阵 X，其中每一列是一个特征向量示例，以及其各自的目标数据 y，它是一个行向量。 输出是一个向量，其中包含组成最佳特征集的特征的索引，其中特征的顺序与其重要性无关。 如需出版，请引用原著：O. Ludwig and U. Nu