Python实现基于邻域粗糙集的多标记特征选择算法

算法思想源自论文：

段洁、胡清华、张灵均，等. 基于邻域粗糙集的多标记分类特征选择算法 [J]. 计算机研究与发展，2015，52(1):56-65

因为没找到Python源代码，所以自己试着写了一下，结果是对应上的。
代码分享在这里，需要的自取

"""
    Author: wzk
    Date:   2020-10-11
    theme:  多标记邻域粗糙集特征选择算法
"""
from settings.setting import *


class ARMLNRS:
    """
        基于邻域粗糙集的多标签特征选择
        可以用欧式距离处理连续类型的数据集
        1、输入数据集，训练集
        2、双重for循环，二重循环下，计算当前属性依赖度
        3、前向贪心搜索

    """
    def __init__(self, train_data, train_target, test_data, test_target, delta, info):
        """
        初始化对象参数
        :param train_data: 训练集数据
        :param train_target: 训练集标签
        :param test_data: 测试集数据
        :param test_target: 测试集标签
        :param delta: δ邻域的值，
        :param info: Config项中的配置，实验结果记录会用到这个
        """
        self.train_data = train_data
        self.train_target = train_target
        self.test_data = test_data
        self.test_target = test_target
        self.info = info
        self.delta = delta
        pass

    def compute_corr(self, i, j, tmp_train_data):
        """
        计算相关性
        :param i: 循环第i次
        :param j: 当前特征
        :param tmp_train_data: 临时数据
        :return: 
        """
        if i ==