fsrftest
单因素功能使用回归排名F测试
句法
描述
idx= fsrftest (资源描述那ResponseVarName）资源描述包含预测变量和响应变量，和ResponseVarName中是响应变量的名称吗资源描述．函数返回idx，其中包含按预测器重要性、意义排序的预测器指标IDX（1）是最重要的预测指标。您可以使用idx为回归问题选择重要的预测因子。
例子
在矩阵中的排名预测
在数字矩阵的秩预测和创建预测的重要性分数的柱状图。
加载示例数据。
加载robotarm.mat
这robotarm数据集包含7168项训练观测(Xtrain和ytrain）和1024个测试观测（Xtest和欧美)，有32个功能［1］[2]．
使用训练观察值对预测器进行排序。
[IDX，分数] = fsrftest（Xtrain，ytrain）;
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，可以替换正在创建条形图以实现可视化之前，先使用一个较大的数字。有关详细信息,请参见对表中的预测因子进行排序．
创建预测重要性分数的柱状图。
栏（分数（IDX））xlabel（“预测排名”) ylabel (“预测重要性分数”）
选择最重要的五个预测因素。中找到这些预测器的列Xtrain．
idx (1:5)
ans =1×530 24 10 4 5
第30列Xtrain最重要的预测因素是什么ytrain．
对表中的预测因子进行排序
对表中的预测因子进行排序，并创建预测因子重要性分数的条形图。
如果你的数据是在一个表，fsrftest对表中变量的一个子集进行排序，然后函数仅使用这个子集对变量进行索引。因此，一个好的实践是将您不希望排名到表末尾的预测器移动到表末尾。移动响应变量和观测权向量。然后，输出参数的索引与表的索引保持一致。属性可以在表中移动变量movevars函数。
此示例使用鲍鱼数据[3][4]来自UCI机器学习知识库[5]．
下载数据并将其保存在当前文件夹中“abalone.csv”．
url =“https://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data”；websave (“abalone.csv”url);
阅读表中的数据。
台= readtable (“abalone.csv”那“文件类型”那“文本”那“ReadVariableNames”、假);tbl.Properties.VariableNames = {“性”那“长度”那“直径”那“高度”那.．.“WWeight”那“SWeight”那'VWeight'那“ShWeight”那“NoShellRings”}；
预览表的前几行。
头(台)
ans =8×9表性别长度直径高度WWeight SWeight VWeight ShWeight NoShellRings _____ ______ ________ ______ _______ _______ ________ ____________ { 'M'} 0.455 0.365 0.095 0.514 0.2245 0.101 0.15 15 { 'M'} 0.35 0.265 0.09 0.2255 0.0995 0.0485 0.07 7 { 'F'} 0.530.42 0.135 0.677 0.2565 0.1415 0.21 9 { 'M'} 0.44 0.365 0.125 0.516 0.2155 0.114 0.155 10 { 'I'} 0.33 0.255 0.08 0.205 0.0895 0.0395 0.055 7 { 'I'} 0.425 0.3 0.095 0.3515 0.141 0.0775 0.12 8 { 'F'} 0.53 0.415 0.15 0.7775 0.237 0.1415 0.33 20 { 'F'} 0.545 0.425 0.125 0.768 0.294 0.1495 0.26 16
表中的最后一个变量是响应变量。
排在预测资源描述．指定最后一列NoShellRings作为响应变量。
[idx,分数]= fsrftest(资源描述,“NoShellRings”）
idx =1×83 4 5 7 8 2 6
成绩=1×8447.6891 736.9619 Inf Inf Inf 604.6692 Inf Inf
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 =找到(isinf(分数))
idxInf =1×53 4 5 7 8
分数包括5个正值。
创建预测的重要性分数的柱状图。使用该预测名称X设在标记标签。
栏（分数（IDX））xlabel（“预测排名”) ylabel (“预测重要性分数”) xticklabels (strrep (tbl.Properties.VariableNames (idx),“_”那“\ _”））xtickangle（45）
这酒吧函数不绘制正值。为正值，即具有相同的长度作为最大的有限得分图吧。
抓住在酒吧(分数(idx(长度(idxInf) + 1) *(长度(idxInf), 1))传说(“有限分数”那“正分数”)举行从
条形图使用不同的颜色显示有限分数和Inf分数。
输入参数
输出参数
算法
参考文献
[1] Rasmussen, C. E.， R. M. Neal, G. E. Hinton, D. van Camp, M. Revow, Z. Ghahramani, R. Kustra, R. Tibshirani。《DELVE手册》，1996年。
[2]多伦多大学计算机科学系深入研究数据集。
[3]纳什，W.J.，T.L。卖方，S. R.塔尔博特，A. J.考索恩，和W. B.福特。“鲍鱼的群体生物学（石决明种）在塔斯马尼亚。一，黑蝶鲍鱼（h . rubra)从北海岸和巴斯海峡群岛。”海洋渔业司，技术报告第48号，1994年。
[4]沃,S。串级相关的扩展和基准:前馈监督人工神经网络的串级相关体系结构和基准的扩展。计算机科学论文系塔斯马尼亚大学，1995年。
[5] Lichman, m.l UCI机器学习知识库。加州欧文:加州大学信息与计算机科学学院，2013。http://archive.ics.uci.edu/ml。
你也可以从以下列表中选择一个网站:
