このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
fsrftest
F検定を使用した回帰のための一変量の特徴量ランク付け
構文
説明
idx= fsrftest (资源描述，ResponseVarName）资源描述には予測子変数と応答変数が含まれていて,ResponseVarNameは资源描述内の応答変数の名前です。関数はidxを返します。これには予測子の重要度順に並べ替えられた予測子のインデックスが含まれます。つまり,idx (1)は最も重要な予測子のインデックスです。idxを使用して,回帰問題のための重要な予測子を選択できます。
例
行列内の予測子のランク付け
数値行列内の予測子をランク付けし,予測子の重要度スコアの棒グラフを作成します。
標本データを読み込みます。
负载robotarm.mat
robotarm7168年データセットには個の学習観測値(Xtrainおよびytrain), 1024個のテスト観測値(Xtestおよび欧美), 32個の特徴量が含まれています［1］［2］。
学習観測値を使用して予測子をランク付けします。
[idx,分数]= fsrftest (Xtrain ytrain);
分数の値は,p値の負の対数です。p値が每股收益(0)よりも小さい場合,対応するスコア値は正です。棒グラフを作成する前に,分数が正値を含むかどうかを判断します。
找到(isinf(分数)
Ans = 1x0空双行向量
分数に正値は含まれていません。分数が正値を含む場合,可視化のために,棒グラフを作成する前に大きな数値で正を置き換えることができます。詳細については,テーブル内の予測子のランク付けを参照してください。
予測子の重要度スコアの棒グラフを作成します。
栏(分数(idx))包含(“预测排名”) ylabel (“预测重要性分数”）
上第五位つの最も重要な予測子を選択します。Xtrainにおけるこれらの予測子の列を求めます。
idx (1:5)
ans =1×530 24 10 4 5
Xtrainの30列目が,ytrainの最も重要な予測子です。
テーブル内の予測子のランク付け
テーブル内の予測子をランク付けし,予測子の重要度スコアの棒グラフを作成します。
データがテーブル内にあり,fsrftestがテーブル内の変数のサブセットをランク付けする場合,関数はサブセットのみを使用して変数にインデックスを作成します。そのため,ランク付けしない予測子をテーブルの最後に移動させることをお勧めします。応答変数,および観測値の重みベクトルも同様に移動させます。すると,出力引数のインデックスはテーブルのインデックスと一致します。関数movevarsを使用して,テーブル内の変数を移動できます。
この例では,UCI机器学习库［５］にあるアワビのデータ［３］［4］を使用します。データをダウンロードして,“abalone.data”という名前で現在のフォルダに保存します。
データをテーブルに保存します。
台= readtable (“abalone.data”，“文件类型”，“文本”，“ReadVariableNames”、假);tbl.Properties.VariableNames = {“性”，“长度”，“直径”，“高度”，．..“WWeight”，“SWeight”，“VWeight”，“ShWeight”，“NoShellRings”}；
テーブルの最初の数行をプレビューします。
头(台)
ans =8×9表性长度直径高度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 '} 0.53 0.42 0.135 0.677 0.2565 0.1415 0.21 9{“M”}0.44 0.365 0.125 0.516 0.2155 0.114 0.155十{' 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
テーブルの最後の変数は応答変数です。
资源描述の予測子をランク付けします。最後の列NoShellRingsを応答変数として指定します。
[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
分数の値は,p値の負の対数です。p値が每股收益(0)よりも小さい場合,対応するスコア値は正です。棒グラフを作成する前に,分数が正値を含むかどうかを判断します。
idxInf =找到(isinf(分数))
idxInf =1×53 4 5 7 8
分数には5つの正値が含まれます。
予測子の重要度スコアの棒グラフを作成します。予測子の名前をx軸の目盛りラベルに使用します。
栏(分数(idx))包含(“预测排名”) ylabel (“预测重要性分数”) xticklabels (strrep (tbl.Properties.VariableNames (idx),“_”，“\ _”) xtickangle (45)
関数酒吧が正値に関するバーをプロットすることはありません。正値について,最も大きい有限のスコアと同じ長さのバーをプロットします。
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
棒グラフでは,異なる色を使用して有限のスコアとInfスコアを表示します。
入力引数
出力引数
アルゴリズム
参照
[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。
纳什、w.j.、t.l.塞勒斯、s.r.塔尔博特、a.j.考索恩和w.b.福特。鲍鱼的种群生物学(石决明物种)的塔斯马尼亚岛。I.黑唇鲍鱼(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。塔斯马尼亚大学计算机科学系论文，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:
