Mrmr提供mRMR（minimum-Redundancy-Maximum-Relevance）的Python实现，用于功能选择。
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
MRMR (最小冗余) 是一种“最小最佳”的特征选择算法，其核心在于，在有限的特征集合下，它致力于识别出能够实现最佳分类效果的特征子集。为了方便您在本地环境中部署该算法，安装步骤如下：请使用 pip 命令 `pip install git+https://github.com/smazzanti/mrmr`。
使用方法如下：您需要一个包含数字变量（表示为 X）和一个序列（可以是二进制或多类）的目标变量（表示为 y）的数据框。 您的目标是选取若干个关键要素，这些要素应该与目标变量之间具有高度的相关性，同时最大限度地减少它们之间的冗余度。 具体来说，您希望找到一组最相关的特征，并确保这些特征之间彼此独立，从而提高模型的泛化能力。 以下是一个示例代码片段：
```python
from mrmr import mrmr_classif
from sklearn.datasets import make_classification
# 创建一些模拟数据
X, y = make_classification(n_samples=1000, n_features=50, random_state=42)
```
全部评论 (0)
还没有任何评论哟~
