机器学习ReliefF代码，Semi supervised learning using Navies Bayes and Clustering with ReliefF feature extraction in MATLAB.

输入训练集，返回该训练集中的各特征的平均权重矩阵 matlab实现 适用于有特征选择需要的人群 对分类结果影响越大的特征其权重越大 注：D为M*N的矩阵，N为标签列，若训练集中无此列需要注意添加一列0，不然最后一维的特征将被省略。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab基于Relief算法的特征权重选择_有效地选择出了权重数据_matlab 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

用Relief算法进行特征选择，最早提出的 Relief 算法主要针对二分类问题，该方法设计了一个“相关统计量”来度量特征的重要性，该统计量是一个向量，向量的每个分量是对其中一个初始特征的评价值，特征子集的重要性就是子集中每个特征所对应的相关统计量之和，因此可以看出，这个“相关统计量”也可以视为是每个特征的“权值”。可以指定一个阈值 τ，只需选择比 τ 大的相关统计量对应的特征值，也可以指定想要选择的特征个数 k，然后选择相关统计量分量最大的 k 个特征。

请参阅 Urbanowicz RJ、Meeker M、La Cava W 等人。 基于浮雕的特征选择：介绍与回顾[J]. 杂志生物医学信息学, 2018, 85: 189-203。 算法 1。 修改：将随机选择的目标实例 R_i 简化为数据集中的顺序样本。 因此，到最近命中的距离始终为 0。

经典Relief算法的源代码 ，图像纹理特征提取的经典算法

救济算法matlab代码信仰 RReliefF的Python实现-用于回归问题的功能选择工具 由Amrit Sethi创建 RReliefF是用于回归问题的特征选择工具，可帮助确定数据集中不同特征的预测性能。 除了RReliefF，还可以在以下版本中使用Relief和ReliefF的实现-分类问题的特征选择算法。 尽管该函数基于python，但函数接口旨在模仿。 基于救济的算法的实现 此代码遵循M. Robnik-Sikonja和I. Kononenko在“回归中用于属性估计的救济的适应”中所述的基于救济的算法。 的注释中使用的公式参考均基于上述文章 要专门使用RReliefF，请使用W = RReliefF(X, y, opt) opt可以用以下可选参数替换： updates -可以是“全部”（默认），也可以是正整数，具体取决于 k要查看的邻居数。 默认值是10。 sigma距离比例因子。 默认值为50。 weight_track返回一个矩阵，该矩阵跟踪每次迭代的权重变化。 默认为假 例子 包含3种主要基于救济的算法的实现的示例包括在中。 变量regressionProblem可以设

使用python实现的ReliefF算法，可以直接下载使用。ReliefF算法是一种经典的过滤式特征选择算法，优点是效率高，效果好。

relief

特征选择方法中的Relief算法，利用python实现。可用于二分类标签的特征降维。