R 语言特征提取变量筛选好用的包和语句

最新推荐文章于 2023-08-19 01:18:40 发布

Jack千斤顶

最新推荐文章于 2023-08-19 01:18:40 发布

阅读量3.1k

点赞数

文章标签： r

本文链接：https://blog.csdn.net/Jinpeijie217/article/details/87979880

版权

该博客介绍了如何使用R语言的Boruta和caret包进行特征提取和变量筛选。首先，通过kruskal.test进行初步筛选，然后利用Boruta算法进一步确认重要变量，以此在T2WI、SWI和BOLD数据集中找到与eGFR相关性强的特征。

摘要由CSDN通过智能技术生成

一个是Boruta，一个是carat

双重降维（Boruta包和caret包）

#correlation of texture
setwd("C:/Users/Administrator/Desktop/mission/correlation")
library(readxl)
T2WI<- read_excel("Texture features and eGFR.xlsx",
sheet = "T2WI")
SWI<- read_excel("Texture features and eGFR.xlsx",
sheet = "SWI")
BOLD<- read_excel("Texture features and eGFR.xlsx",
sheet = "BOLD")
blood<- read_excel("Texture features and eGFR.xlsx",
sheet = "blood")

##step 1
#T2WI
T2WI_selected<-c()
T2WI_feature<-T2WI[,-c(1,2)]
for (feature in names(T2WI_feature)){
result_temp <- kruskal.test(T2WI[[feature]]~T2WI$Group)
if (result_temp$p.value<0.05) {
T2WI_selected<-c(T2WI_s