多标签ReliefF算法的Python实现

先声明一下，Python是有第三方ReliefF包的，安装方式直接在pycharm终端输入:

pip install ReliefF -i https://pypi.tuna.tsinghua.edu.cn/simple

导入方式：

from ReliefF import ReliefF

但是，这个包有一些问题。
首先，只针对单标签且数据类型是离散类型的数据集
第二，没有对标签下的每个类别进行计算；
第三，它的选取样本的策略是循环全部样本，没有进行随机选取。
所以，在这个第三方包的基础上，我对它进行了一点改进。
1、适用于多标签数据集
2、适用于连续型数据集
3、类中增加了随机样本的选取数量的参数
下面是改进的代码：

# -*- coding: utf-8 -*-

from __future__ import print_function
import numpy as np
import random
from sklearn.neighbors import KDTree


class MultiReliefF(object):

    def __init__(self, n_neighbors=10, n_features_to_keep=10, n_selected=10):
        """
        初始化实例化对象
        :param n_neighbors: 最近邻个数
        :param n_features_to_keep: 选取特征相关统计量最大的数量
        """
        self.feature_scores = None
        self.top_features = None
        self.tree = None
        self.n_neighbors = n_neighbors
        self.n_features_to_keep = n_features_to_keep
        self.n_selected = n_selected

    def fit(self, X