脑电信号处理学习笔记（三）——pymrmr

pymrmr模块的安装和使用

  \:   \:   \:   \: github链接

一、模块介绍

在Python 3使用mRMR特征选择算法，pymrmr提供了方法   \:   \: pymrmr.mRMR()

pymrmr.mRMR(df, ‘MIQ’, K)
返回排序后的列名（list）

Parameters：

• df：数据文件（pandas.DataFrame）
  第一列要是标签
  其他列要是特征量
  列的名称要是字符串
• 内部选择方法（‘MIQ’或‘MID’）（str）
  MIQ:互信息熵
  MID:互信息差
• K：要选取的特征数量（int）

  \:   \:   \:   \:

二、安装

以下步骤皆是在anaconda下安装：

• 创建虚拟环境pymrmr（任意名字）
• 激活虚拟环境（activate pymrmr），安装必要的包 （pip install numpy Cython）
• 在github（上面的链接）下载安装包
• 将安装包的解压文件复制到anaconda安装路径 D:\Anaconda3\envs\pymrmr中
• 打开控制台Anaconda Prompt（Anaconda3），进入上一步的目录中安装（运行下述命令）

D:
cd D:\Anaconda3\envs\pymrmr\pymrmr-master
python setup.py install

  \:   \:   \:   \:

三、使用

实例代码：每一列对应一个特征，第一列是标签

import pandas as pd
import pymrmr
from sklearn.datasets import make_classification


X, y = make_classification(n_samples=10000,
                           n_features=6,
                           n_informative=3,
                           n_classes=2,
                           random_state=0,
                           shuffle=False)

# Creating a dataFrame
df = pd.DataFrame({'Class': y,
                   'Feature 1': X[:, 0],
                   'Feature 2': X[:, 1],
                   'Feature 3': X[:, 2],
                   'Feature 4': X[:, 3],
                   'Feature 5': X[:, 4],
                   'Feature 6': X[:, 5],
                   })

y_train = df['Class']
X_train = df.drop('Class', axis=1)

res = pymrmr.mRMR(df, 'MIQ', 6)
print(res)

  \:   \:   \:   \:
特征选择结果：

pymrmr.mRMR(df, ‘MIQ’, 6)
[‘Feature 4’, ‘Feature 5’, ‘Feature 2’,‘Feature 6’, ‘Feature 1’, ‘Feature 3’]
pymrmr.mRMR(df, ‘MID’, 6)
[‘Feature 4’, ‘Feature 6’, ‘Feature 5’, ‘Feature 2’, ‘Feature 1’, ‘Feature 3’]