【技术实现步骤摘要】
本专利技术涉及一种基于互信息估计的属性选择方法，用于从一系列属性集合中选择关键属性。
技术介绍
通过剔除与被预测变量无关的属性列，并在相关性较强的属性集合中，选出与被预测变量之间最相关的一组最小的属性列集合，主属性选择方法减少了计算过程复杂度，提升了计算效率和计算的准确度。因而，主属性选择算法有着相当普遍的应用。 在众多的主属性选择算法中，有一类选择算法是基于信息熵相关理论实现的。信息熵表述的是描述某一事件所需的平均信息量大小，是该事件不确定性的一种度量。互信息则描述的是一个事件中包含另一事件的信息量。信息论基本原理表明，互信息值越大，则表明两个事件的相关性越大。因而，可以通过度量被预测变量与属性子集之间的互信息，设计属性选择算法。两个单列属性间的互信息易于计算，然而由于计算复杂度较高、计算精准度较低等原因，单列属性与属性集合间的互信息计算非常困难。因而实际用互信息做属性选择的时候，往往采用估计的方式，估算待选属性与已选属性集之间的互信息。现有的估算方法一般遵从“相关度-冗余度”的模型。其中，“相关度”指待选属性与被预测变量之间的互信息，一般可通过直接计算的方式求得。“...
【技术保护点】
一种基于互信息估计的属性选择方法，其特征在于，该方法包括以下步骤：1）提供一数据集D=F∪{T}；其中，F={f1,f2,…,fn}为属性集，其中，n为属性的个数，T为目标属性；从F中选择属性子集S={s1,s2,…,sk}k≤n，其中，k为属性选择算法保留的属性个数，所述属性子集S用于模型的输入，令待选属性子集R满足F=S∪R,R={r1,r2,…,rn？k}，k为；选择第一个属性，得S={s1}，对于R中的每个属性，计算其与S的互信息，根据算法条件选取合适的属性r，得S=S∪{r},R=R/{r}；重复步骤2直至满足终止条件；2）当|S|≥2时，待选属性r与S之间的互信...
【技术特征摘要】
1.一种基于互信息估计的属性选择方法，其特征在于，该方法包括以下步骤 1)提供一数据集D=FU {T};其中，F={fi，f2，…，fn}为属性集，其中，η为属性的个数，T为目标属性；从F中选择属性子集S=Is1, S2, -,SkIk^ η，其中，k为属性选择算法保留的属性个数，所述属性子集S用于模型的输入，令待选属性子集R满足F=S U R, R={ri,r2,…，rn_J，k为；选择第一个属性，得S=IsJ，对于R中的每个属性，计算其与S的互信息，根据算法条件选取合适的属性r，得S=S U {r}，R=R/ Ir};重复步骤2直至满足终止条件； 2)当|S|彡2时，待选属性r与S之间的互信息难以计算，在此称为不可计算部分；而r与S中任意元素s之间的互信息MI (r;s)计算相对容...
【专利技术属性】
技术研发人员：刘琴，朱宏明，杨筱雯，肖葭凯，石仕海，
申请(专利权)人：同济大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。