用sklearn进行特征选择的一些知识整理, 主要包括如何对数据进行归一化，标准化， 对定性数据怎么描述，如何降维，如何进行特征选择，这些其实sklearn包中都封装好了相关的函数，使用的时候，可以直接来用，所以也是一份随时可以查阅的资料。

xgboost代码回归matlab 功能选择 我编写了简单的代码来合并特征选择的几种方法和机器学习的分类器方法。 通过使用此代码，我们可以选择特征后得到结果，也可以知道分类后的结果。 通过分类结果，我们可以了解选择后的特征质量。 所有分类器都称为R包 一些功能选择方法称为R包和matlab代码 特征选择方法： 知识管理系统 人民币汇率 澳美食品添加剂联合会 分类器方法： 支持向量机 LDA xgBoost 随机森林 逻辑回归 朴素贝叶斯 输入输出 在此程序包中，输入是包含要素（X轴），smaple（Y轴）和标签的行数据，输出是选择和分类的结果。 处理过程 主功能 :play_button: 评估 :play_button: 通话功能（功能选择） :play_button: 通话功能（分类器） :play_button: 结果 功能职务 主要的： 读取数据 设置特征选择（FS）的参数 设置分类器（CF）的参数 设置舍入时间（ OuterRound ） 设置训练与测试数据的比率（ P ） 设置特征编号以选择（ K ） 设置并行计算的内核数 评估： 将输入数据切成训练和测试数据 呼叫FS和CF 记录每个回合的输出。在此阶段，它将在每个K中运行OuterRound时间。 通话功能 功能选

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

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。

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。