算法python实现_Relief算法python实现

文章目录

一、算法流程图

二、代码步骤

1.第一步：定义类和init方法

2.第二步：数据处理

3.第三步：通过计算距离，找出猜错近邻和猜对近邻

4.第四步：计算特征权重

5.第五步：根据权重过滤式选取特征

6.第六步：选取最终特征

7.第七步：定义主函数

三、为什么要写relief算法？以及解决什么问题？

算法流程

relief算法流程图.png

第一步：定义类和init方法

方便函数调用参数，只需要一次向类中导入参数即可，不用重复导入参数

class Filter:

def __init__(self, data_df, sample_rate, t, k):

"""

#

:param data_df: 数据框(字段为特征，行为样本)

:param sample_rate: 抽样比例

:param t: 统计量分量阈值

:param k: 选取的特征的个数

"""

self.__data = data_df

self.__feature = data_df.columns

self.__sample_num = int(round(len(data_df) * sample_rate))#round函数：四舍五入

self.__t = t

self.__k = k

第二步：数据处理

将读取到的数据特征值中离散型处理成连续型，比如色泽：青绿，属于离散型，密度：0.679，属于连续型。

def get_data(self):

new_data = pd.DataFrame()#建立一个空二维表

for one in self.__feature[:-1]:#遍历循环每个特征

col = self.__data[one]#读取全部样本中其中一个特征

# 判断读取到的特征是否全为数值类，如果字符串中全为数字 ，则不作改变写进新的二维表new_data里面，否则处理成数值类型写进二维表

if (str(list(col)[0]).split(".")[0]).isdigit() or str(list(col)[0]).isdigit()\

or (str(list(col)[0]).split('-')[-1]).split(".")[-1].isdigit():#isdigit函数：如果是字符串包含数字返回ture,否则返回false

new_data[one] = self.__data[one]

else:

keys = list(set(list(