【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现【更新中】

【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现

本文介绍基于libsvm代理模型算法的特征排序方法合集,包括:
1.基于每个特征预测精度进行排序(libsvm代理模型)
2.基于相关系数corr的特征排序(libsvm代理模型)
3.svmrfe_ker(二分类)【后续更新】
4.基于SVM-RFE递归特征消除的特征排序svmrfe_ori(二分类)【后续更新】

一、多输入单输出多分类问题

数据设置 :
分类数据,12输入1输出4分类,357样本

classdata=xlsread('数据集C.xlsx');
X=classdata(:,1:end-1)';% 输入变量
Y=classdata(:,end);%输出标签
[X, ps_input] = mapminmax(X, 0, 1);
X=X';
ptrain_per=0.7;%训练比例 
trainIdx = randperm(size(X,1),ceil(size(X,1)*ptrain_per));%训练样本编号
testIdx = setdiff(1:size(X,1),trainIdx);%测试样本编号
K=10;%10折
cvObj = cvpartition(Y(testIdx),'k',K);
userdata.cvObj = cvObj;
userdata.ft = X(testIdx,:);%测试集输入
userdata.target = Y(testIdx);%测试集输出

nSel = size(X,2);%选择的特征数量 ,可以小于等于变量特征数

1、基于每个特征预测精度进行排序(libsvm代理模型)

即通过每个变量作为输入特征,通过十折平均误差率来对特征进行排序。
累计贡献度为 0.9

在这里插入图片描述
在这里插入图片描述

2、基于相关系数corr的特征排序(libsvm代理模型)

适应度函数——测试集平均R2为:0.88588
在这里插入图片描述
在这里插入图片描述

二、多输入单输出回归问题

数据设置 :
分类数据,7输入1输出,107样本

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

%%  导入数据
res = xlsread('数据集.xlsx');

%%  划分训练集和测试集


ptrain_per=0.7;%训练比例 
trainIdx = randperm(size(res,1),ceil(size(res,1)*ptrain_per));%训练样本编号
testIdx = setdiff(1:size(res,1),trainIdx);%测试样本编号

P_train = res(trainIdx, 1: 7)';
T_train = res(trainIdx, 8)';
M = size(P_train, 2);

P_test = res(testIdx, 1: 7)';
T_test = res(testIdx, 8)';
N = size(P_test, 2);

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);
K=10;%10折
cvObj = cvpartition(Y(testIdx),'k',K);
userdata.cvObj = cvObj;
userdata.ft = X(testIdx,:);%测试集输入
userdata.target = Y(testIdx);%测试集输出

nSel = size(X,2);%选择的特征数量 ,可以小于等于变量特征数

1、基于每个特征预测精度进行排序(libsvm代理模型)

即通过每个变量作为输入特征,通过十折平均误差率来对特征进行排序。
累计贡献度为 0.9
在这里插入图片描述
在这里插入图片描述

2、基于相关系数corr的特征排序(libsvm代理模型)

在这里插入图片描述
在这里插入图片描述

三、代码获取

CSDN私信回复“77期”即可获取下载方式。文章来源地址https://www.uudwc.com/A/y54oW/

原文地址:https://blog.csdn.net/qq_29736627/article/details/133191376

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请联系站长进行投诉反馈,一经查实,立即删除!

上一篇 2023年09月26日 14:09
下一篇 2023年09月26日 14:10