主要内容

fscchi2

使用卡方检验进行单变量特征排序分类

折叠所有页面

语法

idx = fscchi2(Tbl,ResponseVarName)
idx = fscchi2(Tbl，公式)
idx = fscchi2(Tbl,Y)
idx = fscchi2(X,Y)
Idx = fscchi2(＿＿＿、名称、值)
[idx,scores] = fscchi2(＿＿＿）

描述

例子

idx= fscchi2 (资源描述，ResponseVarName）使用排序功能(预测器)卡方测试。表资源描述包含预测变量和响应变量，以及ResponseVarName响应变量的名称在吗资源描述。函数返回idx，其中包含按预测因子重要性排序的预测因子指标，即idx (1)是指数最重要的预测指标。你可以使用idx为分类问题选择重要的预测因子。

idx= fscchi2 (资源描述，公式）中的变量中指定要考虑的响应变量和预测变量资源描述通过使用公式。

idx= fscchi2 (资源描述，Y）在预测器中排名资源描述使用响应变量Y。

例子

idx= fscchi2 (X，Y）在预测器中排名X使用响应变量Y。

例子

idx= fscchi2 (＿＿＿，名称,值）除前面语法中的任何输入参数组合外，还使用一个或多个名称-值对参数指定其他选项。例如，您可以指定先验概率和观测权重。

例子

(idx，分数= fscchi2(＿＿＿）还返回预测器分数分数。得分越大，说明相应的预测因子很重要。

例子

全部折叠

打开实时脚本

在数值矩阵中排列预测因子，并创建预测因子重要性分数的条形图。

加载样例数据。

负载电离层

电离层包含预测变量(X)和响应变量(Y）.

使用卡方检验对预测因子进行排序。

[idx,scores] = fscchi2(X,Y);

中的值分数是负对数吗p值。如果一个p-value小于每股收益(0)，则对应的得分值为正。在创建条形图之前，确定是否分数包括正值。

找到(isinf(分数)
Ans = 1x0空双行向量

分数不包括正值。如果分数包括正值，可以替换正通过一个大的数字，然后创建一个条形图，以实现可视化的目的。详细信息请参见在表中排名预测器。

创建预测器重要性分数的条形图。

栏(分数(idx))包含(“预测排名”) ylabel (“预测者重要性评分”）

图中包含一个轴对象。axis对象包含一个bar类型的对象。

选择前五个最重要的预测因素。找到这些预测因子的列X。

idx (1:5)
ans =1×55 7 3 8 6

第五列X最重要的预测因素是什么Y。

打开实时脚本

在表格中对预测因子排序，并创建预测因子重要性分数的条形图。

如果数据在一个表中fscchi2对表中的变量子集进行排序，然后函数仅使用该子集对变量进行索引。因此，一个好的实践是将您不希望排列的预测器移动到表的末尾。移动响应变量和观察权重向量。然后，输出参数的索引与表的索引一致。

加载census1994数据集。

负载census1994

表adultdata在census1994包含美国人口普查局的人口数据，以预测一个人的年收入是否超过5万美元。显示表的前三行。

头(adultdata, 3)
ans =3×15表年龄workClass fnlwgt教育education_num marital_status种族职业关系性capital_gain capital_loss hours_per_week native_country薪水  ___ ________________ __________ _________ _____________ __________________ _________________ _____________ _____ ____ ____________ ____________ ______________ ______________ ______ 39 State-gov 77516单身汉13未婚Adm-clerical家族的白人男性2174 0 40美国< = 50 k 50 Self-emp-not-inc 83311单身汉13已婚-公民-配偶-行政-管理-丈夫-白人男性0 0 13美国<=50K 38二等兵2.1565e+05 hs -毕业生9离婚处理人-清洁工没有家庭的白人男性0 0 40美国<=50K

在表格中adultdata，第三列fnlwgt是样本的权重，和最后一列工资是响应变量。移动fnlwgt在的左边工资通过使用movevars函数。

成人数据= movevars(成人数据，“fnlwgt”，“之前”，“工资”）;头(adultdata, 3)
ans =3×15表种族性别年龄workClass教育education_num marital_status职业关系capital_gain capital_loss hours_per_week native_country fnlwgt薪水  ___ ________________ _________ _____________ __________________ _________________ _____________ _____ ____ ____________ ____________ ______________ ______________ __________ ______ 39 State-gov单身汉13未婚Adm-clerical家族的白人男性2174 0 77516美国< = 50 k 50 Self-emp-not-inc单身汉13已婚-公民-配偶-行政-管理-丈夫-白人男性0 0 13美国83311 <=50K 38私人hs -毕业生9离婚处理-清洁工-非家庭白人男性0 0 40美国2.1565e+05 <=50K

对预测因子进行排序adultdata。指定列工资作为响应变量，并指定列fnlwgt作为观察权重。

[idx,scores] = fscchi2(成人数据，“工资”，“重量”，“fnlwgt”）;

中的值分数是负对数吗p值。如果一个p-value小于每股收益(0)，则对应的得分值为正。在创建条形图之前，确定是否分数包括正值。

idxInf = find(isinf(scores))
idxInf =1×81 3 4 5 6 7 10 12

分数包括八个正值。

创建一个预测器重要性分数的条形图。的预测器名称x-轴标记标签。

图形栏(scores(idx))“预测排名”) ylabel (“预测者重要性评分”) xticklabels (strrep (adultdata.Properties.VariableNames (idx),“_”，“\ _”) xtickangle (45)

的酒吧函数不为正值。为正值，与最大有限分数具有相同长度的图条。

持有在酒吧(分数(idx(长度(idxInf) + 1) *(长度(idxInf), 1))传说(“有限的分数”，“正分数”)举行从

图中包含一个轴对象。axis对象包含2个bar类型的对象。这些对象表示有限分数、无限分数。

条形图使用不同的颜色显示有限分数和Inf分数。

输入参数

全部折叠

示例数据，指定为表。不允许使用字符向量的单元格数组以外的多列变量和单元格数组。

每行资源描述对应一个观测值，每一列对应一个预测变量。可选地,资源描述可以包含响应变量和观察权重的附加列。

响应变量可以是类别、字符或字符串数组、逻辑或数字向量或字符向量的单元格数组。如果响应变量是字符数组，则响应变量的每个元素必须对应于数组中的一行。

  • 如果资源描述包含响应变量，您希望在中使用所有剩余变量资源描述作为预测器，然后通过使用指定响应变量ResponseVarName。如果资源描述还包含观测权重，然后可以通过使用指定权重权重。

  • 如果资源描述包含响应变量，并且您希望仅在中使用其余变量的子集资源描述作为预测器，然后通过使用指定变量的子集公式。

  • 如果资源描述不包含响应变量，然后通过使用Y。响应变量和资源描述必须有相同的行数。

如果fscchi2中使用变量的子集资源描述作为预测器，函数仅使用该子集对预测器进行索引。中的值“CategoricalPredictors”名称-值对参数和输出参数idx不要计算函数没有排序的预测因子。

fscchi2认为南，＇＇(空字符向量)，”“(空字符串),< >失踪,<定义>值资源描述响应变量缺少值。fscchi2不使用缺少值的观察值作为响应变量。

数据类型:表格

响应变量名，指定为包含变量名的字符向量或字符串标量资源描述。

例如，如果响应变量是列Y的资源描述（资源描述。Y)，然后指定ResponseVarName作为“Y”。

数据类型:字符|字符串

响应变量和预测变量子集的解释模型，在表单中指定为字符向量或字符串标量“Y ~ x1 + x2 + x3”。在这种形式下，Y表示响应变量，和x1，x2,x3表示预测变量。

中指定变量的子集资源描述作为预测因素，使用公式。如果你指定一个公式，那么fscchi2不排名任何变量资源描述没有出现在公式。

公式中的变量名必须同时为资源描述（Tbl.Properties.VariableNames)和有效的MATLAB®标识符。中的变量名可以验证资源描述通过使用isvarname函数。变量名无效，则可以使用matlab.lang.makeValidName函数。

数据类型:字符|字符串

响应变量，指定为数字、类别或逻辑向量、字符或字符串数组或字符向量的单元格数组。每行Y的对应行的标签X。

fscchi2认为南，＇＇(空字符向量)，”“(空字符串),< >失踪,<定义>值Y丢失的值。fscchi2不使用缺少值的观察Y。

数据类型:单|双|分类|逻辑|字符|字符串|细胞

预测器数据，指定为数值矩阵。每行X对应一个观测值，每一列对应一个预测变量。

数据类型:单|双

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。

在R2021a之前，使用逗号分隔每个名称和值，并将其括起来名字在报价。

例子:“UseMissing”“NumBins”,20日,真的将箱子的数量设置为20，并指定在预测器中使用缺失值进行排名。

类别预测符的列表，指定为此表中的值之一。

价值 描述
正整数向量

向量中的每个条目都是一个指标值，表明相应的预测器是分类的。索引值在1和之间p,在那里p用于训练模型的预测器的数量。

如果fscchi2使用输入变量的子集作为预测器，然后函数仅使用该子集对预测器进行索引。的CategoricalPredictors值不计算响应变量、观察权重变量或函数不使用的任何其他变量。
逻辑向量

一个真正的Entry表示对应的预测器是分类的。向量的长度是p。
字符矩阵 矩阵的每一行都是一个预测变量的名称。名称必须与中的名称相匹配资源描述。用额外的空格填充名字，这样字符矩阵的每一行都有相同的长度。
字符向量的字符串数组或单元格数组 数组中的每个元素都是一个预测变量的名称。名称必须与中的名称相匹配资源描述。
“所有” 所有预测因素都是绝对的。

默认情况下，如果预测器数据在表(资源描述)，fscchi2如果一个变量是逻辑向量、无序分类向量、字符数组、字符串数组或字符向量的单元格数组，则假定它是分类的。如果预测器数据为矩阵(X)，fscchi2假设所有预测因子都是连续的。要将任何其他预测符标识为类别预测符，请使用CategoricalPredictors名称-值参数。

例子:“CategoricalPredictors”、“所有”

例子:分类预测=[1 5 6 8]

数据类型:单|双|逻辑|字符|字符串|细胞

用于排序的类的名称，指定为逗号分隔的对，由“类名”以及类别、字符或字符串数组、逻辑或数字向量或字符向量的单元格数组。一会必须具有相同的数据类型Y或者响应变量资源描述。

如果一会是字符数组，则每个元素必须对应数组中的一行。

使用“类名”:

  • 的顺序之前与类顺序相对应的维度。

  • 选择一个类的子集进行排名。例如，假设集合中所有不同的类名Y是{' a ', ' b ', ' c '}。使用类的观察对预测器进行排序“一个”和“c”只是,指定“类名”,{' a ', ' c '}。

的默认值“类名”所有不同类名的集合在吗Y或者响应变量资源描述。默认的“类名”如果响应变量是有序的，则值具有数学顺序。否则，默认值按字母顺序排列。

例子:“类名”,{' b ', ' g '}

数据类型:分类|字符|字符串|逻辑|单|双|细胞

用于对连续预测符进行装箱的箱数，指定为逗号分隔的对，由“NumBins”一个正整数标量。

例子:“NumBins”,50岁

数据类型:单|双

每个类别的先验概率，指定为以下之一:

  • 字符向量或字符串标量。

    • “经验”从响应变量中的类频率确定类概率Y或资源描述。如果你传递观察权重，fscchi2使用权重来计算类概率。

    • “统一”将所有类的概率设置为相等。

  • 向量(每个类有一个标量值)。的对应元素的类顺序“之前”，设置“类名”名称-值参数。

  • 结构年代有两个字段。

    • S.ClassNames中响应变量类型相同的变量包含类名Y或资源描述。

    • S.ClassProbs包含一个对应概率的向量。

fscchi2规范化每个类中的权重(“重量”)，使其相加为各类别的先验概率值。

例子:“前”、“制服”

数据类型:字符|字符串|单|双|结构体

指示是否使用或丢弃预测器中缺失的值，指定为逗号分隔的对，由“UseMissing”,要么真正的使用或假丢弃预测器中缺失的值以进行排名。

fscchi2认为南，＇＇(空字符向量)，”“(空字符串),< >失踪,<定义>值为缺失值。

如果你指定“UseMissing”,真的,然后fscchi2使用缺失值进行排序。对于一个分类变量，fscchi2将缺失值作为一个额外类别处理。对于一个连续变量，fscchi2的地方南值放在单独的bin中进行装箱。

如果你指定“UseMissing”,假的,然后fscchi2不使用缺失值进行排序。因为fscchi2为每个预测器单独计算重要性分数，当该行中的值部分缺失时，函数不会丢弃整行。对于每个变量，fscchi2使用所有没有丢失的值。

例子:“UseMissing”,真的

数据类型:逻辑

观察权重，由逗号分隔的对组成“重量”和标量值的向量或变量的名称资源描述。函数对每一行的观察值进行加权X或资源描述中对应的值权重。的大小权重必须等于行数X或资源描述。

如果将输入数据指定为表资源描述,然后权重可以是变量名中的资源描述它包含一个数值向量。在这种情况下，您必须指定权重作为字符向量或字符串标量。例如，如果权重向量是列W的资源描述（资源描述。W)，然后指定“权重”W”。

fscchi2将每个类中的权重归一化，使其加起来等于各自类的先验概率值。

数据类型:单|双|字符|字符串

输出参数

全部折叠

的预测指标X或资源描述按预测器重要性排序，返回为1 × -r数字向量，其中r是排序预测器的数量。

如果fscchi2中使用变量的子集资源描述作为预测器，函数仅使用该子集对预测器进行索引。例如，假设资源描述包含10列，您指定的后5列资源描述作为预测变量公式。如果idx (3)是5，那么第三个最重要的预测因子是第10列资源描述这是该子集中的第五个预测因子。

预测分数，以1 × -的形式返回r数字向量，其中r是排序预测器的数量。

得分越大，说明相应的预测因子很重要。

  • 如果你使用X中指定预测器或使用所有变量资源描述作为预测器，则分数和预测因子的顺序一样吗X或资源描述。

  • 如果指定变量的子集资源描述作为预测器，则分数与子集的顺序相同。

例如，假设资源描述包含10列，您指定的后5列资源描述作为预测变量公式。然后,分数(3)中第8列的分数值资源描述这是子集中的第三个预测因子。

算法

全部折叠

使用卡方检验进行单变量特征排序

  • fscchi2通过使用单独的卡方检验检验每个预测变量是否独立于响应变量。一个小p检验统计量的-value表示相应的预测变量依赖于响应变量，因此，是一个重要的特征。

  • 输出分数是日志(p）。因此，得分值越大，说明相应的预测因子是重要的。如果一个p-value小于每股收益(0)，则输出为正。

  • fscchi2在对变量进行装箱或离散化后检查连续变量。属性指定垃圾箱的数量“NumBins”名称-值对参数。

版本历史

R2020a中引入

另请参阅

|||

主题