[发明专利]基于最大信息系数的特征选择、分类方法及其装置

摘要

本发明涉及一种基于最大信息系数的特征选择、分类方法及其装置，所述特征选择方法包括S1，基于互信息准则将原始特征进行排序，将相关度低于阈值的特征删除，并将所述相关度高于阈值的特征形成初始特征子集；S2，计算在所述初始特征子集中的特征之间的最大信息系数；S3，根据所述最大信息系数，删除所述初始特征子集中的冗余特征，得到低维特征子集。本发明所述的特征选择方法通过使用互信息以及最大信息系数的方式进行特征选择，从而去除冗余特征，降低了数据的维度。

主权项

一种基于最大信息系数的特征选择方法，其特征在于，所述方法包括：S1，基于互信息准则将原始特征进行排序，将相关度低于阈值的特征删除，并将所述相关度高于阈值的特征形成初始特征子集；S2，计算在所述初始特征子集中的特征之间的最大信息系数；S3，根据所述最大信息系数，删除所述初始特征子集中的冗余特征，得到低维特征子集；所述步骤S3包括：S31，选择最大信息系数超过设定阈值的特征对；S32，将相互关联的特征对组成冗余特征集合；S33，选取每个冗余特征集合中贡献度最大的特征作为子特征，并将所述每个冗余特征集合中的其他特征删除；假设一个特征对集合中有k个特征f1,f2......fk，其中特征fi和fj之间的MIC值为mij，且只保留mij>0.8的值，其他特征对之间的MIC值设置为0，如此会得到一个k×k的矩阵，其中元素只包含0和大于0.8的数值，矩阵如下：对矩阵的每一列求和，得到一组数值M1,M2......Mk，其中的每一个值代表特征fi在特征对集合中的贡献度；S34，将每个所述冗余特征集合的子特征组成所述低维特征子集。