Maximal Information Coefficient (MIC)最大互信息系数

最新推荐文章于 2024-06-18 12:21:03 发布
置顶 最新推荐文章于 2024-06-18 12:21:03 发布
阅读量3.2w 收藏 75
点赞数 14
分类专栏： 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u014271612/article/details/51781250
版权

MIC

我在论文使用MIC来衡量两个基因之间的关联程度，线性或非线性关系，相较于Mutual Information（MI）互信息而言有更高的准确度巴拉巴拉的，按作者的话说总之比其他的方式好。

原文参照：
Detecting Novel Associations in Large Data Sets

相关东西自己看看人家原文，一直觉得人家歪果仁写东西很认真，基础提到，实验充足…英文可以的话，尽量多读读歪果仁写的东西，提升很大…

直接进入主题

MIC概念解释

在了解MIC概念之前，你需要知道MI的概念、如何计算，一句话概括：衡量两信息的相似程度，相似程度越高，值越大；反之亦然！至于MI的计算，网上一搜一大堆，自己研究去吧…

先来看看MIC的定义：
这里写图片描述
一大串公式代表什么意思？有一篇文章介绍这个，忘了出处了！这里借用一下
MIC计算分为三个步骤：

  1. 给定i、j，对XY构成的散点图进行i列j行网格化，并求出最大的互信息值
  2. 对最大的互信息值进行归一化
  3. 选择不同尺度下互信息的最大值作为MIC值

（1） 给定i、j，对XY构成的散点图进行i列j行网格化，并求出最大的互信息值
值得注意的是，给定i和j后，可以得出多种不同的网格化方案。我

最低0.47元/天 解锁文章
剪水落帝
关注
  • 14
    点赞
  • 踩
  • 75
    收藏
    觉得还不错? 一键收藏
  • 16
    评论
专栏目录
最大信息系数（MIC）
lyx的专栏
03-02 4万+
童鞋们觉得文章不错，就麻烦点一下下面人工智能的教程链接吧，然后随便翻阅一下 https://www.captainbed.net/qtlyx MIC（Maximal information coefficient）一个很神奇的东西，源自于2011年发在sicence上的一个论文。 学过统计的都知道，有相关系数这么一个东西，通常叫做r。但是其实应该叫做线性相关系数，应用领域还是很窄的。而...
最大信息系数(MIC)——大数据时代的相关性分析
u013250861的博客
05-17 2420
最大信息系数（The Maximal Information Coefficient，MIC）是在互信息的基础上发展起来的，MIC方法能快速通过给不同类型的关联关系进行评估，从而发现广泛范围的关系类型，此算法的作者来自哈佛大学，并在生物学等数据上进行了成功的实验，相关成果公布在Science杂志上。，是指在样本量足够大(包含了样本的大部分信息)时，能够捕获各种各样的有趣的关联，而不限定于特定的函数类型(如线性函数、指数函数或周期函数)，或者说能均衡覆盖所有的函数关系。给定一个x乘y的网格G，令。
Detecting Novel Associations in Large Data Sets（检测 大型数据集中的信息关联性，数据相关性）
高山
03-05 942
摘要 识别大型数据集中变量对之间的有趣关系变得越来越重要。 在这里，我们提出了两个变量关系的依赖性度量：最大信息系数（MIC）。 MIC 捕获了功能性和非功能性的广泛关联，并且对于功能性关系提供的分数大致等于数据相对于回归函数的决定系数 (R2)。 MIC 属于更大类的基于最大信息的非参数探索 (MINE) 统计，用于识别和分类关系。 我们将 MIC 和 MINE 应用于全球健康、基因表达、大联盟棒球和人类肠道微生物群的数据集，并确定已知和新的关系。 引入 想象一个包含数百个变量的数据集，其中可能包含重
利用最大互信息系数MIC降低数据纬度：回归拟合预测数据集特征选择与简化，利用最大互信息系数MIC降维回归拟合预测数据集，简化数据复杂度 | Matlab程序详解
最新发布
FUlNuNAreGAf的博客
06-18 285
在特征选择中，我们可以利用MIC计算每对特征自变量与因变量之间的关系强度，根据MIC的值选择与因变量相关性较高的特征自变量。通过以上步骤，我们可以利用最大互信息系数MIC对回归拟合预测数据集进行特征自变量的选择，实现数据降维的目的，简化数据的复杂度。通过将备选的特征自变量与因变量之间的关系强度进行量化，我们可以更加准确地选择适合回归模型的特征自变量，提高模型的性能和预测精度。通过本文的介绍和实例分析，读者可以掌握利用MIC进行特征选择的基本方法和步骤，从而在实际问题中更加准确和高效地进行特征自变量的选择。
最大信息系数（Maximum Information Coefficient,MIC)最全介绍
m0_52946247的博客
10-25 2055
关于最大信息系数的一系列解释
Maximal Information Coefficient (MIC)最大互信息系数Matlab实现
03-08
1.解压文件。运行Matlab，在Matlab中打开.../minepy/matlab/（当前文件夹为matlab）; 2.在command window（命令行窗口）中输入：mex mine_mex.c ../libmine/mine.c; 3.测试代码： x = linspace(0, 1, 1001); y = sin(10 * pi * x) + x; minestats = mine(x, y);
0306_mic_python_MIC相关性_最大信息系数_Mine!_MIC_
10-02
最大信息系数（Maximal Information Coefficient, 简称MIC）是一种衡量两个变量间非线性相关性的统计方法。本教程将围绕“0306_mic_python_MIC相关性_最大信息系数_Mine!_MIC_”这一主题，详细介绍如何使用Python中...
MIC++: Accelerating Maximal Information Coefficient Calculation with GPUs and FPGAs
02-22
MIC++: Accelerating Maximal Information Coefficient Calculation with GPUs and FPGAs
最大信息系数MIC的python代码
05-01
最大信息系数（Maximal Information Coefficient, 简称MIC）是一种用于衡量两个变量之间关系强度的统计量。它由Michael L. Resnik提出，旨在提供一个无参数、非线性的方法来评估变量间的依赖性，不受数据分布的影响...
相关系数计算_关联度python_灰色关联度_皮尔逊相关系数_相关系数_最大信息系数_
09-29
3. **最大信息系数（Maximal Information Coefficient, MIC）** MIC是评估两个变量间非线性关系的一种方法，它基于信息熵的概念。MIC的值在0到1之间，值越大，表示两个变量之间的关系越强。Python中可以使用`minic`...
Detecting Novel Associations in Large Data Sets
01-10
大数据（Big data）是指那些含有的数据量巨大、难以用现有的数据管理工具管理的 大型数据集
Detecting_Novel_Associations_inLarge_Data_Sets_-_Science.pdf
05-10
深度学习，MIC。
皮尔逊相关系数-距离相关-最大信息系数PPT
04-15
本文综合网上多篇文章总结了计算变量相关性的三个主要参数的参数，包括皮尔逊相关系数、距离相关以及最大信息系数的介绍。
最大互信息系数
wyp8268526的博客
12-22 8565
对最大互信息系数的一些思考 最大互信息系数（MIC） MIC（Maximal Information Coefficient）最大互信息系数。用来衡量两个特征变量之间的关联程度（线性或非线性关系），相较于Mutual Information（MI）互信息而言有更高的准确度。其主要思想是：如果两个变量之间存在一定的相关性，那么在这两个变量的散点图上进行某种网格划分之后，根据这两个变量在网格中的近似概...
最大互信息系数MIC(数据特征选择算法)的分类预测,多输入单输出模型。
机器学习-深度学习
01-08 536
最大互信息系数MIC(数据特征选择算法)的分类预测,多输入单输出模型。
最大信息系数mic python_生物信息学 | 一种预测人类年龄的甲基化模型
weixin_39539764的博客
02-03 558
论文剖析热门论文：AgeGuess，一种预测人类年龄的甲基化模型///////////////1. 介绍衰老是一个生物过程，受到遗传因子和细胞内各种分子修饰的影响。多项研究表明，使用甲基组数据可以准确预测实际年龄。本篇文章针对年龄回归问题，提出了一种三步特征选择算法。AgeGuess选择了107个甲基化特征作为性别独立的年龄生物标志物，使用这些生物标志物的支持向量回归模型(SVR)预测的...
最大互信息系数-MIC
San_pi_sama的博客
03-23 815
不确定性越大，熵越大。
MIC（Maximal Information Coefficient）最大互信息系数
qlkaicx的博客
03-17 2880
MIC（Maximal Information Coefficient）最大互信息系数是一种用于衡量两个变量之间相关性的统计量。它扩展了传统的互信息（MI）和条件互信息（CMI）的概念，具有更广泛的应用范围。MIC能够捕获包括功能性和非功能性的广泛的关联，具有普遍性和公平性。普遍性意味着在足够的样本量下，MIC能够捕捉到广泛的相关关系，而不仅仅局限于特定的功能类型；公平性则意味着MIC对不同类型的包含同等噪声的关系给出了相似的分数。需要注意的是，虽然MIC具有很多优点，但它也有一些局限性。
maximal information coefficient matlab
06-19
### 回答1： Maximal Information Coefficient（最大化信息系数）是一种用于计算变量之间相关性的方法。该方法可以在自然的、无监督的方式下学习变量之间的关系，而无需预设模型或参数。 MATLAB是一种用于科学计算和数据分析的工具。MATLAB提供了一系列内置的函数和工具箱来计算MIC（最大化信息系数）。要计算MIC，可以使用MATLAB中的mic函数。mic函数接受输入向量或矩阵作为参数，并返回两个变量之间的MIC值及其p值。 使用matlab进行MCI计算非常方便。只需从mic函数中提供需要计算的两个变量的数据，并选择任何其他可选参数（例如，MIC类型、置信水平等）。输出将包括MIC值及其p值。 综上所述，MATLAB提供了一个强大而灵活的工具，可以计算变量之间的最大信息系数。这是一种实用的方法，可用于许多领域，例如数据挖掘、模式识别、基因表达分析等。 ### 回答2： 最大互信息系数，即maximal information coefficient (MIC)是一种衡量两个变量之间关系的度量，它能够检测到线性和非线性的相关性。使用MATLAB可以方便地计算MIC值。 MATLAB中的MIC计算方法分为两步：第一步是利用单变量信息理论工具，计算两个变量中每一个变量和其它变量之间的互信息量，得到一个图像矩阵；第二步是根据wasserstein距离选择最大的单调关系，以便最终得到一个MIC值。 MATLAB中mic函数可用于计算MIC值。该函数需要输入两个变量的数组x和y，然后返回其MIC值。 使用MIC检测变量之间的关系有许多应用，比如在复杂数据集中发现变量之间的相关性以及在生物学中研究基因表达和疾病之间的关系等。由于其灵活性和易于操作性，MATLAB中的MIC计算工具在分析大量数据时具有重要的作用。 ### 回答3： 最大信息系数（Maximal Information Coefficient，MIC）是一种用于量化两个变量之间关联度的方法，它能够识别出各种类型的关联关系包括非线性关系。Maximal Information Coefficient matlab是一个常用工具，用于计算最大信息系数，它可以帮助我们分析数据集，探测出它们之间的关联性。在matlab中安装了MIC工具箱后，我们可以使用mic函数来计算两个变量的最大信息系数，并以此评估它们之间的关联性。 使用mic函数进行最大信息系数分析时，需要输入两个变量的数值矩阵，返回的结果包括最大信息系数的值和P值。最大信息系数值越高，说明两个变量之间的关联程度越强。P值则表示其显著性程度，P值越小，说明结果越可靠。我们还可以通过设置变量之间的最小重合部分来完善结果。 最大信息系数是一种数据挖掘和机器学习方法，它可应用于许多领域，包括生物学，经济学和社会学等。在生物学中，最大信息系数可用于分析基因表达和生物多样性数据，探讨不同物种间的关联性。在经济学中，它可用于分析股票价格的波动和其他金融数据的关联，以便制定投资策略。最大信息系数的应用广泛，可帮助我们更好地理解变量间的关系，并从中提取有价值的信息。
评论 16
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值