7种2024年新算法实现特征选择，5种UCI数据测试，3种分类器聚合，贴心整理！MATLAB代码获取...

最新推荐文章于 2024-07-25 21:20:39 发布

淘个代码_

最新推荐文章于 2024-07-25 21:20:39 发布

阅读量1k

点赞数 11

文章标签：算法 matlab 开发语言

本文链接：https://blog.csdn.net/woaipythonmeme/article/details/136521751

版权

↖加关注这种话银家怎么好意思说出口嘛--

本期采用 7 种 2024 年最新的智能优化算法实现特征选择，采用 5 种论文中常提到的 UCI 数据集进行验证，以及分别采用 3 种基础分类器进行构建适应度函数。

其中 7 种 2024 新算法分别是：鹅优化算法(GOOSE)；角蜥蜴优化算法(HLOA), 河马优化算法(HO)，鹦鹉优化算法(PO)，鳑鲏鱼优化算法(BFO)，冠豪猪优化算法(CPO)，爱情进化算法(LEA)。以及 3 种经典的算法：粒子群，遗传算法，灰狼算法。

5 种 UCI 数据集分别为：wine，sonar，dermatology，Heartstatlog，BreastEW。

这 5 种 UCI 数据集经常在一些特征选择的文献会看到，都是很经典常用的数据集！如下表格：

UCI 数据集	数据集名称	特征个数	样本个数
D1	Wine	13	178
D2	Sonar	60	208
D3	Dermatology	33	366
D4	Heatstatlog	13	270
D5	BreastEW	30	569

3 种常用分类器：KNN，SVM，随机森林 RF。

参考文献

[1]叶雨彬,韦文山.基于多策略融合鹈鹕优化算法的特征选择方法[J/OL].微电子学与计算机,2023,(12):19-25[2024-03-05].

[2]徐明,龙文.基于多策略融合灰狼优化算法的特征选择方法[J].科学技术与工程,2021,21(20):8544-8551.

特征选择也称为特征子集选择或属性选择，它是机器学习中分类、回归和数据挖掘中至关重要的预处理步骤，特征选择的目的是利用一种选择方法删除数据集中冗余和不相关的特征，以找到最优特征子集。它不仅能降低数据维度、提高机器学习算法的效率，还能从原始数据集中选出对分类器分类性能最有用的特征，提高其分类精度。

网上关于特征选择的论文有很多！但是像本文整理这么齐全的，那就是屈指可数了！

代码目录展示

可以看到有三个脚本文件，每个脚本文件对应一个分类器。运行这三个脚本文件即可，代码中可以自由修改算法！

代码功能介绍

当执行代码后，会在命令行窗口提示输入对应的数字，即可更改不同的数据集，十分方便！

除此之外，为了方便修改智能优化算法，代码也做了相应集成，示例：

%% 修改number这里即可切换算法！！来自公众号《淘个代码》
%2024年最新算法
number = 5;   %修改数字，分别对应下面的算法，实现一键切换算法。1是GOOSE，2是HLOA，3是HO，以此类推
str={'GOOSE','HLOA','HO','PO','BFO','CPO','LEA','GA','PSO','GWO'};

%% 7种2024最新算法 + 三种经典算法 来自公众号《淘个代码》
% GOOSE，鹅优化算法
% HLOA,角蜥蜴优化算法
% HO ， 河马优化算法
% 鹦鹉优化算法 PO
% 鳑鲏鱼优化算法 BFO
% 冠豪猪优化算法 CPO
% 爱情进化算法 LEA
% GA：遗传算法
% pso：粒子群算法
% GWO灰狼算法

只需要修改这里的number，即可选择不同的智能优化算法，直呼不要太贴心！

而且，最关键的是，如果你想要再添加任何算法，只要在str这里加一个算法名字，然后把相应算法复制到目录下即可。

最后来一起看看代码效果吧！

这一张是采用KNN分类器，采用dermatology数据集，BFO鳑鲏鱼优化算法实现的特征选择。