这篇文章介绍了MRMR（最大依赖、最大相关性和最小冗余）特征选择算法，它通过计算特征与目标类别的互信息来衡量它们的相关性，旨在减少冗余并提高模型性能。作者引用了Peng等人在2005年的IEEETransactionsonPatternAnalysisandMachineIntelligence上的工作。
MRMR是一种滤波式特征选择算法，能最大化特征和目标间的相关性，减少相关特征之间冗余。该算法将每个特征和输出类别作为单独变量，使用互信息 I(a，b)衡量两个变量间的相似度，该表达式为：
参考文献
[1] Peng Hanchuan , Long Fuhui, Ding Chris. Feature selection based on mutual information: criteria of max-dependency, max-relevance, and min-redundancy.[J]. IEEE transactions on pattern analysis and machine intelligence,2005,27(8):
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
