互信息特征选择python_基于互信息的特征选择方法杂谈

我们现在处于一个数据驱动的时代，但并不是所有的数据都是有意义的。只有有效的数据才能

带给我们"信息"，无效的数据并不能带给我们"信息"。

如果我们在做一件事情之前，可以通过各种数据得到这件事情所有相关信息，那么我们就可以

最初最完美的决策，使利益最大化。

基于熵的特征选择方法就是选择一个能提供给类别尽可能多"信息"的特征子集，从而得到关于类别更多的"信息"，进而为分类提供帮助。

如何衡量数据所携带信息的多少呢，克劳德·艾尔伍德·香农给出了熵的概念，通过熵我们可以

衡量数据携带信息的多少。香农

熵的定义如下：

举一个简单的例子：如果有人告诉你11点过60分钟是12点，你一定觉得他说的是废话；但是

如果有人告诉你你的期末成绩优秀，你一定很感兴趣。这是因为前者的概率

因此它的熵为0，所以给你提供的信息也是0。

而后者的概率

(不及格，及格，中等，良好，优秀)

因此这件事情的熵为0.69，所以会提供给你一些信息。熵

第一步先介绍一下熵的相关概念。维恩图

上图

,

表示事件

,

的信息；

被称为条件熵：表示在知道事件

的情况下，此时再知道事件

可以提供给我们

的信息。

被称为互信息：表示事件

和

共同提供的信息；也可以理解为知道了事件

可以对事件

提供多少信息，反之亦然。

被称为联合熵：表示知道事件

和

之后可以提供给我们的信息。

其中有：

(怎么计算

等公式我就不写了，主要是理解各种信息的关系)特征选择

这部分稍微谈一下特征选择方法。特征选择方法根据是否与后续的分类器交互分为过滤式、嵌

入式以及包裹式。其中过滤式特征选择不需要与分类器交互，而其他两种都需要和分类器进行

交互。特征选择流程

特征选择主要分为子集生成、子集评价、停止准则三大部分。

子集生成主要是如何选择特征，例如穷举法，前向选择、后向消除、启发式选择等等。

子集评价中有很多度量方法：准确率、距离、相关性、互信息等等；使用不同的度量方法最终

得到的特征子集也不一样。

停止准则是满足什么条件的时候停止特征选择过程，通常有特征子集达到一定的大小，选择阈

值以上的特征等等。基于互信息的特征选择方法

OK，当你对上面两部分有了了解之后，这部分就来说一下基于互信息的特征选择方法。

基于互信息的特征选择方法选择特征的过程比较简单。子集生成使用前向生成法，子集评价这

部分等下要讨论的部分，停止准则一般为特征子集大小到达一个预设值就停止。举个例子说：

我们数据集有100个特征，我们要选择20个，那么此方法就会遍历特征20次，每次都根据评价

准则选择最优的特征放入特征子集。

假设我们数据集特征为

，类别为

。如何设置评价标准才比较合理。

最简单的想法就是只考虑每个特征和类别之间的互信息

，根据互信息的大小对特征

排序，然后选择最前面的

个特征作为特征子集。这种特征选择方法也被称为MIM。其中

为候选的特征。

但是MIM方法有很明显的缺点，只考虑了特征和类别之间的相关性，没有考虑类别和类别的相

关性，机会造成特征子集的冗余；也就是可能出现

和

值都很大，但是

也很大(甚至接近1)，这种情况

和

取其一即可。为了解决冗余性的问题，又

有两种不同的算法MIFS和MRMR被提出:

其中

为已经选择的特征，

表示

的大小。这样在选择新特征的时候不仅考虑了候选

特征和类别之间的互信息，也考虑了候选特征和已选特征之间的相关性，减少了冗余度。事情

到这里似乎已经很完美了，毕竟及考虑了相关性，也考虑了冗余性。然而，还有一个问题需要

考虑。

我们选择特征子集的首要目标是希望特征子集针对类别的相关性高，冗余性小。但是

是两个特征之间的互信息，并没有考虑到类别。进一步说，两个特征之间的冗余

大，并不一定能说明这两个特征在类别上的冗余也大。据此，一系列考虑类内冗余的方法

也被提出，例如CIFE算法：

第二项为类内特征冗余，即我们知道了类别信息，不同特征再次基础上的互信息。

下面再看一个维恩图：

其中

表示类别的信息量，

表示已选择特征子集

，

表示候选特征。

最终的目标就是希望可以用尽可能的少的特征，使得

较大。上图中：

但是其中

这部分和类别没有关系，也就说这部分信息对于类别是无用的，我们

需要的只有类内冗余

这部分，也就是

。

其他关于降维的文章：超爱学习：10种常用降维算法源代码(python)​zhuanlan.zhihu.com超爱学习：你知道PCA的四种写法么​zhuanlan.zhihu.com