[发明专利]基于信息论的医疗数据集特征选择方法

摘要

本发明公开了一种基于信息论的医疗数据集特征选择方法，包括以下步骤：根据待分析的医疗数据集构建原始高维数据矩阵和标签列，自定义要选取的特征个数T；求取每个特征的对称不确定性SU值；根据SU对所有特征进行降序排列，将SU值最大的特征加入初始为空的特征子集；针对剩余的每个特征fp，求取其SU值以及其与目前已选的所有特征的多变量对称不确定性MSU值，结合SU值和MSU值构建特征的特征评价函数；利用特征评价函数对特征进行评价，将评价值最高的T‑1个特征加入特征子集；结合分类器和K折交叉验证方法对所选特征子集进行评价。本发明方法通过最大化特征与标签的相关性，同时最小化特征之间的冗余性进行特征选择，在计算效率，分类准确率和选择的特征子集规模上明显更优。

主权项

1.一种基于信息论的医疗数据集特征选择方法，其特征在于，包括以下步骤：步骤1、根据待分析的医疗数据集构建原始高维数据矩阵和标签列，自定义要选取的特征个数T；其中，T小于医疗数据集的特征总数；步骤2、根据原始高维数据矩阵和标签列，求取每个特征对称不确定性SU值；步骤3、根据SU值对所有特征进行降序排列，获得待选的有序特征序列，将SU值最大的特征加入构建的初始为空的特征子集，并将其从待选的有序特征序列中剔除；步骤4、针对待选的有序特征序列中剩余的每个特征f_p，求取其对称不确定性SU值以及其与已选的所有特征关于标签列的多变量对称不确定性MSU值，结合每个特征的SU值和MSU值构建该特征对应的特征评价函数；步骤5、利用每个特征对应的特征评价函数对该特征进行评价，将评价值最高的T‑1个特征加入所述特征子集；步骤6、根据所得特征子集从原始高维数据矩阵选择相应T个特征对应的数据构建新的医疗数据集，并结合分类器和K折交叉验证方法对所选特征子集进行评价。