R语言用mRMRe包实现mRMR算法

这里记录一下 R语言mRMRe包实现mRMR算法进行特征降维的操作。
下面是R代码

library('mRMRe')
mrmr_feature<-train_feature
mrmr_feature$y <-train_label
#筛选的数据要加上Y值
target_indices = which(names(mrmr_feature)=='y')
#因为读取csv文件的时候，Y（label）值是整数，没有小数，所以就被转换成了integer
#但是mRMR.data需要所有的数据都是numeric，所以要将里面不是numeric的转换成numeric
for (m in which(sapply(mrmr_feature, class)!="numeric")){
  mrmr_feature[,m]=as.numeric(mrmr_feature[,m])
}
#转化成mRMR.data的形式才能被使用
Data <- mRMR.data(data = data.frame(mrmr_feature))
#data就是数据，target_indices就是Y（label）值，也就是需要对比相关度的列
#feature_count是需要筛选出来的特征个数
mrmr=mRMR.ensemble(data = Data, target_indices = target_indices, 
              feature_count = 3, solution_count = 1)
#获取筛选出来的特征的列，包含在mrmr@filters中，mrmr@filters[原特征个数]这个list里
index=mrmr@filters[[as.character(mrmr@target_indices)]]
#获取训练集特征
train_feature <- mrmr_feature[,index]
#获取验证集特征
validation_feature <- validation_feature[,index]

好啦，就这么多