模式识别学习——遗传算法

1、主要工作

采用遗传算法对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征选择，并基于所得到的最佳特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC）。

2、工作具体内容

2.1 遗传算法介绍

几个术语：
基因链码：使用遗传算法时把问题的每个解，编码成一个基因链码。比如要从D个特征中挑选d个，就用一个D位的0或1组成的字符串表示一种特征组合。1表示该特征被选中，每个基因链码代表一个解， 称作一个“个体”，其中的每一位看作一个“基因”。
群体：若干个体的集合，也就是一些解的集合。
交叉：选择群体中的两个个体，以这两个个体为双亲作基因链码的交叉，从而产生两个新的个体，作为后代。

例如：

交叉前：

00000|011100000000|10000

11100|000001111110|00101

交叉后：

00000|000001111110|10000

11100|011100000000|00101

变异：对某个体，随机选取其中一位，将其翻转。

变异前：

000001110000000010000

变异后：

000001110000100010000
适应度：对每个解，以给定的优化准则来评价其性能的优劣，作为其适应度遗传。

2.1 遗传算法原理

遗传算法模拟了自然选择和遗传中发生的复制、交叉和变异等现象，从任一初始种群(population)出发，通过随机选择、交叉和变异操作，产生一群更适应环境的个体，使群体进化到搜索空间中越来越好的区域，这样一代一代地不