本博客代码基于如下文章算法思想实现:
Y.P. Cai, M. Yang, Y. Gao, H.J. Yin, ReliefF-based multi-label feature selection, International Journal of Database Theory and Application. 8 (4) (2015) 307–318.
该算法是基于非转化的多标记ReliefF特征选择算法,与传统多标记ReliefF算法的区别在于没有从标记转化的角度去实现特征权值计算,避免了转化损失。
具体思想在于使用标记相似性将样本进行分类,可以得出样本的各个类别下样本索引,再根据相似性选择最具相似性的k个样本用来计算距离,根据距离差值判断特征分类能力强弱。
特征权值迭代公式如下:
由于没有找到文章源代码,且源代码是MATLAB语言,无法用在本人的机器上,所以就根据文章描述将算法实现了一遍,具体代码如下,需要的自取,转载请注明原创。
如有错误,请及时告知本人,谢谢!
"""
Author: wzk
Date: 2020-11-14
theme: 基于ReliefF的多标记特征选择算法
From: Y.P. Cai, M. Yang, Y. Gao, H.J. Yin, ReliefF-based multi-label feature selection,
International Journal of Database Theory and Application. 8 (4) (2015) 307–318.
"""
import numpy as np
from collections import defaultdict
class MLReliefF:
def __init__(self, train_data, train_target, info):
"""
self.sn = sample nums
self.fn = feature nums
self.ln = label nums
self.k = the nums of k nearest samples
:param train_data:
:param train_target:
:param info: 用于控制变量信息
"""
self.train_data = train_data
self.train_target = train_target
self.k = info.get('k') # 可以设置自己需要的数字,一般来说或3或5
self.sn = train_data.shape[0]
self.fn = train_data.shape[1]
self.ln = train_target.shape[1]
pass
def get_k_nearest_sample(self, random_sample_index):
"""
对每个随机样本,找出它的k近邻。由于有同类、异类之分,考虑用字典结构记录k近邻索引
除了找出最近邻,还需要找出随机样本占类别比例
:param random_sample_index:
:return:
"""
nearest_samples_dict = dict()
rsi = random_sample_index
# 找出随机样本被标记为1的标记索引,相似性计算需要根据这些标记进行
same_label_rsi = [i for i in range(self.ln) if self