金宝app支持作者

嗨Giorgio，我现在能够使用演示代码。我试图运行各种过滤器，并为每个过滤器进行不同的滤波器。在这种情况下，如何确定哪些功能是最初始的。请帮忙。我应该尝试使用其他代码吗？

有一点：我在想，如果你能证明在代码中你发现了W（变换矩阵），它适用于提供给渔民的参考用书的方程3.83。我看到的相关性在费舍尔方法的training.m计算，但它不会改变。在费舍尔法，排序的功能是其转型到一个新的空间，之后完成。

更新：我试图为每个功能探索权重（不仅输出等级），我尝试向输出添加A.RAKK，我收到了此错误：
a.weights
索引超过数组元素的数量(0)。

Fisher / subsref中的错误（第72行）
坏蛋=堆栈{1};

Giorgio推出每个特征选择器的排名为排名。我也需要为每个功能进行分数。显然，该软件不会为每个功能报告分数。

嗨@zeynab，谢谢你的问题。Q1：listfs是一个小区字符串数组，proftrictid应该是一个整数值。您确定您是否正确索引数组？例如，listfs {1}或listfs {2}等..？
Q2：要素选择应应用于培训数据，这是因为您不应该有测试数据（以及在监督设置的情况下的标签），如果您在整个数据集上申请FS，则不公平，您的特征选择策略操作（〜显然更好〜），因为它已经看到了所有数据，但是，您将在真实测试数据上过度地过度数据（具有高概率）并失去概括。Google搜索ML中培训/测试分裂的动机，了解更多详情。
Q3：添加了随机特征以显示FS可以有效地检测那些无关的那些功能（随机 - >通过施工）并丢弃它们。它是一个演示文件，所以玩具数据是演示的一部分，您可以看到不同的方法如何检测和选择相关功能。Demo在工具箱中的FS方法集之间提供了简单的比较。谢谢你的问题，我希望我的答案可以提供帮助！

嗨乔治
为什么要在演示中运行特征选择?我认为对整个数据点进行特征选择可以得到更全面的数据趋势结果。另外，请您解释一下为什么在演示中再次向列车集添加了随机特征值(X_train = [X_train,rand(120,4)];) ?
谢谢

嗨@pallavi，您使用哪些X_train数据和y来提供分类器?看起来你的数据X和Y有问题，请检查你是否正确地将它们传递给函数。

嗨乔治
尝试运行Fisher时，我收到了此错误：
无法使用fisher类型的值作为索引。

演示错误(第70行)
selection_method = listFS {放在methodID};％选择

嗨乔治，
我是机器学习的新手。我正试图运行演示代码，我遇到了以下错误
使用classReg.Learning.fittemplate / fillifneed错误（第666行）
Showplot不是有效的参数名称..

你能解释一下我该怎么改正吗?我已经在我的代码中更改了函数fitcsvm和ClassificationSVM

喜GIORGIO日Thnx你的努力
我想知道你是否可以帮助我？
我想通过粗糙集理论的特征选择工具箱

感谢大家在这些年内使用此工具箱。
我很高兴，它已经用于许多你。
我希望你知道我共享代码和库作为一名志愿者（我不为MATLAB工作，我没有从这个利润）。
我用来更新这个图书馆的时间是有限的。
这个库不是一个商业产品，因此它可能包含不一致，错误，或我在更新一些旧文件的健忘。
尽管如此，我还是尽我所能改善这一开放源码库，以纠正发现的错误。
再次感谢您。

嗨brai,
这个文件从最初的执行仍然在库中。
我修复了一些问题，并更新了一个新版本的代码。谢谢你找到窃听器。
请注意，PLSA + EM算法的实现是基于代码：
https://github.com/lizhangzhan/plsa
https://github.com/lizhangzhan/plsa/blob/master/plsa.m
我可以继续讨论我们的邮件谈话！

我尝试使用ILFS算法，但似乎它是不行的。我不确定实施情况，所以我想指出我的担忧:
1)第113行:它说std.^2，但我认为它是std。方差在第150行中使用。如果不是，第150行除以std^4。
2）线159：该算法采取与概率类的较低值的二进制位，但是根据纸应该是高的。
3)第243行:prob_token_factor没有更新，但prob_token_factor未使用。这将导致在EM循环中永远不会更新prob_token_factor。

亲爱的乔治,
我已经使用蜘蛛超过10年。现在我安装工具箱，并试图数据，但它总是在显示错误命令。中的数据，它显示该数据（算法，X，Y）或数据（X，Y）都作品。但是我输入数据（X，Y），故称显示错误：没有足够的投入arguments.what是格式“算法”中的数据，究竟是什么在渔民“超”的格式？
你能帮我个忙吗?

谢谢你的工作。
我在使用这个工具箱时遇到了一些问题。
当我运行演示。m文件那errors happened. And I found the functions svmtrain and svmclassify are not used in MATLAB 2018b, the software suggested me replacing them by fitcsvm and ClassificationSVM. However, after I modified them,the program still cannot run. I do not know why, can you help me?

与由下面布拉德（2018年12月26日）中提供的补丁更新所述演示是nessaary到最近的Matlab的运行。会很好，如果源可以被更新。

喜马克，感谢您下载工具箱，看来您有drtoolbox问题，而不是fslib。下载降维工具箱，因为你在这里找到一个仅仅是一个图书馆，只有少数的功能都存在。

嗨，我确定后面的工作是伟大的，但我真的面临很多麻烦得到test_toolbox。我希望能正常运行。我得到了多个错误，如:
------------
'位置2的索引超过阵列边界（必须不超过3）。'
警告：使用内在维度估计CorrDim失败！
-------------
它是看着某一点:
MATLAB \附件\工具箱\ \特征选择图书馆\ FSLib_v6.2.1_2018 \ lib \ \ csdp.exe drtoolbox \技术
我怎样才能得到这一个吗？

除此之外，我还试着运行drgui。m，当使用散点绘图时，我得到了一个num2str错误，就像scatter112行一样。它试图使num2str(hs，'%20.20f')和hs是一个句柄。
非常感谢你所做的一切。

@Giorgio非常感谢
我有问题，我无法理解：
当运行演示文件(使用FSV方法或fisher)对我的数据，它给我的准确性85% ..然后我尝试运行demo_infffs文件，但它给了我57%的准确率!!我的错在哪里?
感谢问候;

您好，感谢真棒工作。我有一个关于这个问题。
如果像RFE这样的包装方法也只回到个人重量的排名，这让我困惑了你的实施方式。从我的视图中，我们必须尝试不同的功能子集，而不是包装器方法中的单个功能。所以对我来说，似乎你评估包裹代码里面的功能子集，说xsubset，以及提取单个功能的重要方法，说出xindiv，xindiv在所有使用的功能集中。最后我们得到排名。如果是，为什么不仅返回每个功能子集的结果，即xsubset。因为当我们使用包装器方法时，我们想要获得最佳子集。即使代码返回单个排名，我也不确定，如果包括子集的正常功能是最佳子集。

@giorgio谢谢你的帮助！

如果您的数据是非数字的
标签= {'蓝色'，'绿色'，'红色'};
有些函数不起作用。你需要像这样的数字数据:
标签= [1,2,3]

Liping似乎您的数据不是数字（int，float，dibul）

我有追随错误，有人可以帮助这个
未定义函数'isnan'用于输入类型为'标称'的参数。

@samar ragab谢谢你的帮助!

@wenyan cao.
注意:你必须有"visual studio"和"x86_64-w64-mingw32"
只要下载这个库，这个库也是“大型线性分类库”，你可以在这里下载:https://www.csie.ntu.edu.tw/~cjlin/liblinear/
然后运行make.m文件。它是否工作良好，它是好的，..on另一方面，你应该遵循自述文件，可以运行它。
祝福

你好，我是个新手。这是一个很有创意的问题。我该如何使用这个工具箱?我希望你能给我指导。我会很感激的。

嗨，如何实现这个库（演示＆Demo_InfFS）用于多类问题？
提前致谢;

如何找到两个特征在于排名1和等级2，即选择了哪些功能。

获取MEX文件错误。不知道该怎么做

这就跟你问声好！非常感谢这个图书馆。我们在我公司使用它。

你好，这可能是一个愚蠢的问题，但是否有可能为进入一个特征选择算法(例如特征向量中心性算法)的每个特征提供预先指定的权重?

你好Giorgio，你真的做得很好。我一直在寻找一个像这样的代码的机会。我已经提取了特征，当我应用SVM时分非常低，我相信这有助于提高提取的功能的性能。我有代码发出问题。我试图使用制作代码来构建，我有这个错误。已将所有必要的功能添加到箱子上。

使用CD时出错
不能CD到F:\bin\lib(名称不存在或不是目录)。

make123 forfeatureselection时出错（第5行）
cd(“自由”);

我使用MATLAB 2018b。希望收到你的来信。谢谢你先生!

你好!
@Muhammed：大概sigma_ij和corr_ij已经反转，这不会引起这么多的问题，如果你设置的α= 05的两个公式是相同的。
纸中的α0.2在这种情况下对应于α= 0.8。如果您在培训集上使用交叉验证以查找最佳alpha，则不会存在任何问题。我会尝试修复它并将其与纸张对齐。
Demo_InfFS只包含交叉验证的结构，你可以从中学到最好的alpha参数。你将无法运行它，但它是。尝试演示。M可以轻松地运行代码。

你好，我不明白A矩阵的计算方法，和文中提出的方法不一样。
论文指出,
A = (alpha*sigma_ij + (1-alpha)*corr_ij); / /
但代码这样它就可以实现它
a =（alpha * corr_ij +（1-alpha）* sigma_ij）;

嗨，在运行dimo_inffs.m时，我有错误
对非结构数组对象的字段赋值。

列车错误(第32行)
algo.training_time =迟钝;

误差在Demo_InfFS（线41）
CV =列车（Y_train，X_train_，CMD）;
任何帮助PLZ？

嗨，我有一个问题。我目前有一组数据（12列），并计划对提到的数据进行分类（通过使用KNN，SVM等）。现在，我计划消除数据中的一些列以增加它的准确性。这个功能选择库似乎是完美的。但是，刚刚开始MATLAB，我目前没有想到编译工具箱。并在编译各个库（特征选择方法.m文件）上获得一些错误。任何帮助都受到高度赞赏。谢谢。

这就跟你问声好！你是说多类分类吗?
在情况下,是的。
所有“无监督”的FS方法自然适合于多类问题，因为它们不考虑任何类标签。
至于“监督的”，FS方法，其中一些工作多级问题，如救济，SVM-RFE，…

嗨，这是工具箱适用于多个类别的分类？如果是，如何实现呢？谢谢你！

固定。谢谢！

你好,
该函数属于线性函数——一个大型线性分类库，你可以在这里下载:https://www.csie.ntu.edu.tw/~cjlin/liblinear/

嗨乔治，谢谢分享你的工具箱！
我使用demoinffd.m脚本有些麻烦，因为当我运行它时，我会收到以下错误：
“用于输入”双“的输入参数的”未定义的功能“火车”。
误差在Demo_InfFS（线41）
CV =列车（Y_train，X_train_，CMD）;”
我在Windows 10上使用Matlab2016a。
有什么建议吗?
谢谢
埃琳娜

谢谢@brad，我会尽快解决;）

供参考——svmtrain() & svmclassify()
这些功能在2018B被拆除，所以演示脚本围绕线200，我相信下面的更新将解决问题失败...

％使用线性支持向量机分类器金宝app
svmStruct = fitcsvm (X_train (:, (1: k)), Y_train);
SV = svmStruct.金宝appSupportVectors;
gscatter (X_train (:, (1)), X_train (:, (2)), Y_train);抓住
情节（SV（：，1），SV（：，2）， 'こ'， 'MarkerSize'，10）;hold
C = predict(svmStruct, X_test(:，ranking(1:k)));
err_rate = sum（y_test〜= c）/p.testsize;％错误分类率
conmat = confusionmat（y_test，c）;百分比矩阵

该项目是胜利的努力。做得好。

这是我在文件交换中发现的最好的完美工具箱之一!出色的工作!荣誉!

优秀的工作。

好吗？

哈，我找到我的错了。标签必须是1和-1，而不是1和0

谢谢你的分享，这对我很重要，谢谢

F.Y.I.
新的特刊“功能选择符合深入学习”
本期特刊的主要焦点将是特征选择和深度学习，也就是深度学习模型如何融入特征选择和排名策略的问题。
详情请参阅提交网页(https://www.mdpi.com/journal/informatics/special_issues/FSMDL）

太棒了，太感谢你了！

嗨，乔治！谢谢你的分享。我有一个问题：其中，是[19]套索的源代码？我不能在工具箱中找到它。

嗨，乔治！它可能是一个愚蠢的问题......但是，你的意思是“CFS”功能中的“得分”是什么？如何访问这些值？代码不会在工作区中返回它们。

谢谢你分享！
一些方法使用“nClass”变量选择的类别数量。怎么样在你的工具箱其他方法？你知道他们是否适用于多类模式？
另外，如果你能为实现方法提供引用，那将是美好的！

谢谢!！

固定。谢谢。

我检查..对不起

嗨。我认为新版本包含了错误的infFS函数。演示失败是因为infFS给出了太多的参数。infFS。M说它来自4.0版本。

新版本可用，请先编译解决方案。运行make。

缺少libsvm_classifier_spider.

这就跟你问声好！请参阅新版本6.1 ->增加了新的演示文件:如何为Inf-FS和ILFS选择最佳参数。

你用了多少代币?注意,T > = 4

我收到错误：使用Histc时出错;边缘矢量必须单调非降低

你好，谢谢你的伟大的工作。我有一个问题。当我和8GB内存的64位视窗8.1上运行MATLAB 2015B这个工具箱中，我得到了错误“内存不足”。我跟一些建议，如复位“java的堆大小”，但没有奏效。我该怎么办？

对于matlab2018a
% svmStruct = svmtrain(X_train(:，ranking(1:k))，Y_train，'showplot'，true);
％c = svmclassify（svmstruct，x_test（：，排名（1：k）），'showplot'，true）;
svmClassifier = fitcsvm（X_train（：，排名（1：K）），Y_train）;
[C, scores] = predict(svmClassifier, X_test(:，ranking(1:k));

你好,

我在Windows 10计算机上使用Matlab 2015A。我总是收到错误：“使用MEX时出错
没有找金宝app到支持的编译器或SDK。的选项,请访问//www.tatmou.com/金宝appsupport/compilers/R2015a/win64.html”谁能帮助我？

嗨@dongyang !不幸的是，工具箱提供了一组排序方法，您应该预先确定子集的基数。如果你想要一个方法,为您提供功能的一个子集可以去套索方法,它们估计用于删除冗余特性通过减少权重为零,在这一过程中,您可以选择的子集的特性系数> 0。希望对大家有所帮助!最好的

你好乔治:
谢谢分享你的代码。我有一些问题，
我如何使用这个工具箱输出功能的子集，而不是功能的排序。

你好乔治:
我想在“上即时”的方式RFE期间执行测试数据的交叉验证。
我尝试了设置a.test_on_the_fly = struct（'丢失'，'class_loss'，'data'，test_dset）;
其中test_dset = data(X_test,Y_test);

这在培训中抛出了错误：
未定义的函数或变量'组'。

rfe/training>的错误评估(第122行)
如果〜ISA（a.test_on_the_fly.result， '基团'），a.test_on_the_fly.result =基团;结束

任何想法如何解决这一问题？我不知道什么是“组”应该是的，我是否需要提前设定a.test_on_the_fly.result。

谢谢,
尼克

亲爱的乔治,

很高兴看到一切编译和运行如此顺利
在版本6中梦幻般的工作！

嗨,乔治,

工具箱很棒。似乎RFE算法的排名总是1到n，无论我放入什么数据。我错过了什么吗？排名应该是特色的重要性吗？

你好，我要发布一个新的6.0版本，有几个更新。最好。

你好,乔治
谢谢分享你的代码。我有一些问题，
如何在matlab 2017a中导入这个toolbax ?

使用MEX错误
没有找金宝app到支持的编译器或SDK。的选项,请访问
//www.tatmou.com/金宝appsupport/compilers/r2014a/win64.。

嗨
感谢您分享代码。这是我在编译时收到的错误你会帮我吗？
使
+构建和安装
建立estmutualinfo.cpp的Mex（DLL）
与“Microsoft Windows SDK 7.1（C ++）”建立。
墨西哥人成功完成。
建立estpab.cpp的mex（dll）
与“Microsoft Windows SDK 7.1（C ++）”建立。
墨西哥人成功完成。
构建libsvm_classifier_spider.cpp的mex(dll)
警告:转义字符'\m'无效。有关受支持的特殊字符，请参见'doc spr金宝appintf'。
> In make(第20行)
使用MEX错误
未知文件扩展名。
错误化妆（20行）
eval（['mex libsvm_classifier_spider.cpp svm.cpp -icompiletools'，sprintf（['compiletools'，filesep，'mexarg.cpp']）]）

谢谢Giorgio这款非常有用且易于使用的图书馆......

这就跟你问声好！
实际上这不是库问题，您丢失的文件位于：fslib_v5.2_2017 / lib / compiletools / mexarg.h
您的编译器找不到它，因此您可以尝试将文件夹和子文件夹添加到路径中，然后再次编译。
最好的

这是运行make时的完整错误集。m文件
使用MEX错误
libsvm_classifier_spider.cpp.
E：\ FSLib_v5.2_2017（1）\ FSLib_v5.2_2017 \ lib中\ libsvm_classifier_spider.cpp（11）：致命
error C1083: Cannot open include file: 'mexarg.h': No such file or directory . error C1083: Cannot open include file: 'mexarg.h': No such file or directory

错误化妆（20行）
eval(['墨西哥人libsvm_classifier_spider.cpp svm.cpp
-Icompiletools’,sprintf ([compiletools, filesep, ' mexarg.cpp ']))

特征选择方法:rfe
Training rfe(svm kernel linear) feat=43 output_rank=1…
培训1
培训SVM内核线性....
未定义的函数或变量'libsvm_classifier_spider'。

svm/training中的错误(第225行)
[α,xSV, bias0] = libsvm_classifier_spider ({X, X}, {Y, Y},…

算法/火车误差（第103行）
(dat,寒冷)=培训(藻类,dat);

RFE /培训中的错误（第36行）
[RES，a.child] =列车（未受过训练的，DAT）;

算法/火车误差（第103行）
(dat,寒冷)=培训(藻类,dat);

spider_wrapper错误(第55行)
[TR，A] =列车（一，DSET）;

rfe_rf错误(第16行)
排名= spider_wrapper（TrainFeatures，TrainClass，numF，低级（ 'RFE'））;
请帮助

@shun：谢谢你的反馈。我修复了这个错误，可能在以前的上传中介绍。对不起。
@liliin：FSV是一个包装方法。对不起，你发现了一个约FSV和过滤器的参考？

嗨，乔治，我有一个问题，当使用infFS模式。在论文中，相关项是corr=1-abs(spearman(fi,fj))，但在你的代码中，为什么它看起来像corr=spearman(fi,fj)?

嗨Giorgio，我有一个关于FSV功能选择方法的问题，在您的指南中，您可以说FSV是一种包装器方法，但您的代码有关这表明它是一个过滤方法。你能告诉我你代码中提到的原则吗？

通过运行'make.m'.what来找到此错误吗？

使用MEX错误
没有找金宝app到支持的编译器或SDK。的选项,请访问http://www.mathwands.com/金宝appsupport/compilers/r2014a/win32.。

制作错误（第17行）
墨西哥人([列表(我). name]);

优秀的工作

嗨，Giorgio，谢谢分享你的代码。我有一些问题，
我有100个样本（84列车16测试），每个样本都有648个属性，所以我有100 * 648矩阵。我创建x_train（84 * 648），y_train（84 * 1），x_test（16 * 648），y_test（16 * 1）。
选择方法后，发生一些错误。我正在粘贴命令窗口;

+特征选择方法:10
Training l0(svm kernel linear) feat=648 output_rank=1....
培训SVM内核线性....
由于依赖关系，约束1被移除

没有平等约束......

使用+时出错
矩阵维数必须一致。
误差在quadsolve（线414）
Y = Y + FD * DY;
误差在SVM /训练（线50）
α，偏见] = Quadsolve（Kerma，-one（大小（kerma，1），1），y'，0，algo.c）;
算法/火车误差（第103行）
(dat,寒冷)=培训(藻类,dat);
第10 /training错误(第30行)
[r，all.child] =火车（all.child，dattemp）;
算法/火车误差（第103行）
(dat,寒冷)=培训(藻类,dat);
spider_wrapper错误(第55行)
[TR，A] =列车（一，DSET）;
feat_selec（行205行）错误
排名= spider_wrapper (X_train Y_train numF,低(selection_method));
你有什么忠告吗？

这就跟你问声好！
为了编译工具箱，你只需要运行“make”。M "，从主文件夹。
请打开make.m文件，并检查路径分隔符：让addpath（genpath（” ./ compiletools'））;
/用于在Linux操作系统下，如果您在MS Windows上运行代码，您可能需要用\如：AddPath（GenPath（'\ Compiletools'）替换它）;

从您的输出中可以看出，您安装了一个合适的C编译器。如果您仍然有问题，复制和粘贴错误，否则很难理解是什么问题。最好的祝愿

你好，乔治，我和理查德有同样的问题。一开始我负责管理餐馆。-file并得到如下输出:
编译…
建立'gcc'。
墨西哥人成功完成。
建立'gcc'。
墨西哥人成功完成。
建立'gcc'。
墨西哥人成功完成。
与 'G ++' 建设。
墨西哥人成功完成。
汇编完成。

在那之后，我想运行制造。m文件，但得到错误:未知的文件扩展名"。make错误(第20行)。
我做错了什么?先谢谢你。

你好，这个下载不会生成使用make.m.我需要做什么呢？目录/ lib目录/ compiletools找不到/失踪。运行make.m文件时发生在第20行错误。谢谢。

嗨，抱歉，但是来自MathWorks的家伙因为上传中的.mex文件而降级了库。我重新上传了最后一个版本。

你好乔治,
我如何解决这个问题(我正在使用ILFS)
分配有更多的非单RHS尺寸大于非单标

您好，排名（1）是最辨别的功能。排名（结束）最糟糕的功能。最好。

你好乔治,

我想知道在呼叫之后如何在调用后排名的方向

[排名，权重，子集] = ilfs（x_train，y_train，0）;

排名（1）是“最判别”的功能，或者是排名（结束）？

提前致谢

你好,
请确保正确编译了工具箱:
在./FSLib_v5.0_2017/lib/drtoolbox——>中运行mexall.m

你应该有这样的输出:

> > mexall
编译…
建立'gcc'。
墨西哥人成功完成。
建立'gcc'。
墨西哥人成功完成。
建立'gcc'。
墨西哥人成功完成。
与 'G ++' 建设。
墨西哥人成功完成。
汇编完成。

使用internal.stats.parseArgs误差（线42）
错误的争论数。

pca错误(第170行)
[vAlgorithm，vCentered，vEconomy，vNumComponents，vRows，vWeights，...

在intrinsic_dim错误(第197行)
[mappedX, mapping] = pca(X, size(X, 2));

误差在Untitled12（线39）
dd = intrinsic_dim (X,技术{2});

根据我们在ICCV 2017“无限潜在特征选择:基于概率潜在图的排序方法”中的实验，我们的ILFS是最稳定、鲁棒的监督FS技术。
本文结果如下:https://goo.gl/WiDmu2
要执行多类FS，您总是可以使用1对所有策略。
让我们来看看，我们有4个班。
我们可以通过设置相应的类标签来获得代表每个类的最佳子集:
Sub1）标记为1至1级标签-1至课程2,3,4
SUB2）标签1到2个标签-1到类1,3,4
标签1到类别3，标签-1到1,2,4
标签1到类别4，标签-1到类别2,3,4
之后我们可以提取最大常见子集（相交的Sub1 Sub3 Sub4）。

你好,
请告诉我来自此工具箱的最佳监督功能选择方法，用于高维，多字符数据（7级）

你好,
每当我在训练数据和训练标签上使用MRMR方法时，MATLAB在使用时会导致崩溃。
有人有类似的问题吗？

>> fea,score] = mRMR(M,L,10) %其中M是X-train, L是Y-train，我想选择10个特征。
---------------------------------------------------------------------------------------
在2017年8月13日星期日21:38:47检测到访问违规
---------------------------------------------------------------------------------------
。
。
。

提前谢谢你!

感谢您的贡献，我有一个关于拉普拉科的问题。当我使用代码中包含的代码中包含的示例时，关于构造函数，它会给我一个警告：“警告：此功能已更改，并且不再支持度量标准”并且在继续时，它给了我一个金宝appLaplacianScore（FEA，W）功能错误：
下标下标必须是实正整数或逻辑数。正如我说的，实现是在rand数据上完成的，这是代码解释中的一个例子。如果你能解释一下原因，我将不胜感激。

在监督和无监督的方式无限的特征选择的作品，你可以简单地通过设置参数SUP = 1（监督）或SUP = 0（无监督）做出选择。

[排名，w] = inffs（x_train，y_train，alpha，sup，0）;

X_Train是一个矩阵，标准“设计矩阵”（见主教，2006）每行是一个样本和每个列的一个功能。
y_train是标签的列向量，如果您有两个类，则此向量将如下所示：[1,1,1，-1，-1-1,1，-1等。]'
Alpha是混合参数，你可以设置Alpha =0.9通常工作得很好。

有没有办法知道有多少功能，使用先验，大部分的FS方法根据自己的关联度仅仅排功能，因此您可以选择最上面的N个特征，并将它们传递到分类，看看他们是如何工作的。如果没有足够的可以增加相应ň...

顶部的N个功能可能是对分类的最佳贡献
最好!

朱利安，我使用了Relieff算法进行了类似的问题，它完美地工作！
祝你好运

你好，对不起，这个很基本的问题。可这种方法可以用来识别（视觉）特征的二元分类任务最有效地促进特定图像的分类？谢谢。朱利安

你好,
我是否在同一数据上运行代码两次并获得不同的结果是有意义的吗？
我用MRMR和Fisher方法。
谢谢!
eliya。

我的评论消失了。
SVM- rfe是基于SVM的，所以
1）你归你输入的数据？支持向量机工作得更好，并且当输入是在范围[0,1]更快，
一个非常简单的方法是：x = x ./ sum（x，2）
2)检查在你的Y向量中是否有像[1 1 1 1 3 3 3 4 4 4 4 5 5 5 5]<-这里没有2，也许这会产生一个异常。在这种情况下，你应该重新分配标签如下:
[1 1 1 1 1 3 3 3 4 4 4 4 5 5 5 5]——> [1 1 1 1 1 1 1 2 2 2 2 3 3 3 4 4 4 4 4 4 4]

****抱歉"check if in your Y vector you have missing labels like[1 1 1 1 3 3 3 4 4 4 5 5 5 5] <-这里没有4，可能这会产生异常。"
我的意思是2号标签不见了…在这种情况下，你应该像这样重新分配标签:
[1 1 1 1 1 3 3 3 4 4 4 4 5 5 5 5]——> [1 1 1 1 1 1 1 2 2 2 2 3 3 3 4 4 4 4 4 4 4]
最好的

嗨亲爱的乔治Roffo

我已经使用svm-rfe(FSLIB)为两个类似的数据集(臭氧和臭氧2)，但臭氧数据集正确运行和臭氧2数据集运行它不结束。

％函数sr = svmrfeozone（traindata）
%% demo文件
fprintf（'\ nfeature选择工具箱V 4.0 2016 - 用于matlab \ n'）;

%从列表中选择一个特征选择方法
listFS ={‘InfFS’,‘ecf’,‘mrmr’,‘relieff’,‘mutinffs’,‘fsv’,‘拉普拉斯算子’,‘mcf’,‘rfe’,‘10’,‘雪’,‘udf’,‘llcfs’,cfs的};

[methodID] = readInput(listFS);
selection_method = listFS {放在methodID};％选择
％包括依赖关系
AddPath（'./ lib'）;％依赖性
目录(' /方法。');% FS方法

特征数量%
％numf = size（x_train，2）;
vectorvote = 0 (72);
traindata = load（'ozone.mat'）;
traindata = traindata.traindata;

培训数据的％特征选择

X_train = TrainData (1:201 1:72);
Y_TRAIN = TRAINDATA（1：201,73）;
排名= spider_wrapper（x_train，y_train，60，较低（'rfe'））;
61:72 rankingD =排序(排序(1));
RankingB = Sort（排名（1,1：60））;
vectorvote（1，rankingD（：））= vectorvote（1，rankingD（：））+ 9;
TrainData（：，排名（：））= [];
%--------------------------------------------------------------

X_train1 = TrainData(201:400一60);
Y_Train1 = TrainData（201：400,61）;
ranking1 = spider_wrapper (X_train1 Y_train1 60,降低(rfe));
排名D1 =排序（排名1（1,51：60））;
RankingB1 = Sort（排名1（1,1：50））;
RankingB1 = RoundingB（排名第（:)）;
vectorvote (rankingB (rankingD1 (:))) = vectorvote (1, rankingB (rankingD1 (:))) + 8;
TrainData（：，排名第1（：））= [];

％--------------------------------------------------------------
X_Train2 = TrainData（401：600,1：50）;
Y_Train2 = TrainData（401：600,51）;
ranking2 = spider_wrapper (X_train2 Y_train2 40,降低(rfe));
rankingD2 =排序（ranking2（1,41：50））;
rankingB2 =排序(ranking2 (1, 1));
rankingB2 = rankingB1 (rankingB2 (:));
vectorvote (rankingB1 (rankingD2 (:))) = vectorvote (1, rankingB1 (rankingD2 (:))) + 7;
TrainData (:, rankingD2 (:)) = [];
%--------------------------------------------------------------
X_Train3 = TrainData（600：801,1：40）;
Y_Train3 = TrainData（600：801,41）;
排名3 = spider_wrapper（x_train3，y_train3,30，更低（'rfe'））;
31:40 rankingD3 =排序(ranking3 (1));
rankingB3 =排序(ranking3 (1:30));
rankingB3 = rankingB2（rankingB3（:)）;
vectorvote（1，rankingB2（rankingD3（：）））= vectorvote（1，rankingB2（rankingD3（：）））+ 6;
TrainData（：，排名第3（：））= [];
%--------------------------------------------------------------
X_train4 = TrainData（802：1000,1：30）;
Y_train4 = TrainData (802:1000 31);
ranking4 = spider_wrapper（X_train4，Y_train4,25，低级（ 'RFE'））;
Rankingd4 = Sort（排名4（1,26：30））;
rankingB4 =排序(ranking4 (1:25));
rankingB4 = rankingB3 (rankingB4 (:));
vectorvote (rankingB3 (rankingD4 (:))) = vectorvote (1, rankingB3 (rankingD4 (:))) + 5;
TrainData（：，排名第4（：））= [];


TrainData1 =负载(“ozone2.mat”);
traindata1 = traindata1.xc11;

培训数据的％特征选择

x_train = traindata1（1：201,1：72）;
Y_TRAIN = TRAINDATA1（1：201,73）;
排名= spider_wrapper（x_train，y_train，60，较低（'rfe'））;
61:72 rankingD =排序(排序(1));
RankingB = Sort（排名（1,1：60））;
vectorvote（1，rankingD（：））= vectorvote（1，rankingD（：））+ 9;
TrainData（：，排名（：））= [];
%--------------------------------------------------------------

X_Train1 = TrainData1（201：400,1：60）;
Y_Train1 = TrainData1（201：400,61）;
ranking1 = spider_wrapper (X_train1 Y_train1 60,降低(rfe));
排名D1 =排序（排名1（1,51：60））;
RankingB1 = Sort（排名1（1,1：50））;
RankingB1 = RoundingB（排名第（:)）;
vectorvote (rankingB (rankingD1 (:))) = vectorvote (1, rankingB (rankingD1 (:))) + 8;
TrainData（：，排名第1（：））= [];

％--------------------------------------------------------------
X_Train2 = TrainData1（401：600,1：50）;
Y_train2 = TrainData1（401：600,51）;
ranking2 = spider_wrapper (X_train2 Y_train2 40,降低(rfe));
rankingD2 =排序（ranking2（1,41：50））;
rankingB2 =排序(ranking2 (1, 1));
rankingB2 = rankingB1 (rankingB2 (:));
vectorvote (rankingB1 (rankingD2 (:))) = vectorvote (1, rankingB1 (rankingD2 (:))) + 7;
TrainData (:, rankingD2 (:)) = [];
%--------------------------------------------------------------
X_Train3 = TrainData1（600：801,1：40）;
Y_train3 = TrainData1 (600:801, 41);
排名3 = spider_wrapper（x_train3，y_train3,30，更低（'rfe'））;
31:40 rankingD3 =排序(ranking3 (1));
rankingB3 =排序(ranking3 (1:30));
rankingB3 = rankingB2（rankingB3（:)）;
vectorvote（1，rankingB2（rankingD3（：）））= vectorvote（1，rankingB2（rankingD3（：）））+ 6;
TrainData（：，排名第3（：））= [];
%--------------------------------------------------------------
X_train4 = TrainData1 (802:1000, 1:30);
Y_Train4 = TrainData1（802：1000,31）;
ranking4 = spider_wrapper（X_train4，Y_train4,25，低级（ 'RFE'））;
Rankingd4 = Sort（排名4（1,26：30））;
rankingB4 =排序(ranking4 (1:25));
rankingB4 = rankingB3 (rankingB4 (:));
vectorvote (rankingB3 (rankingD4 (:))) = vectorvote (1, rankingB3 (rankingD4 (:))) + 5;
TrainData（：，排名第4（：））= [];

嗨乔治！
非常感谢这个工具箱！
我有一个关于使用Fisher线性辨别的功能选择的问题。在与工具箱相关的论文中，您已经引用了Gu等人提出的泛化特征分数。但似乎工具箱似乎执行Duda等人定义的“简单”Fisher选择。这是正确的吗？

这就跟你问声好！感谢下载工具箱，有些技术可以为您提供一些功能子集。但通常情况下，它们只是执行排序步骤，在这种情况下，您可以预先决定选择多少功能，或使用任何形式的交叉验证来决定(大致)需要维护多少功能。

非常感谢宝贵的贡献。
我刚刚下载了您的FSLIB由您开发。我有一个问题。在特征排名过程之后，我们如何决定最佳准确性需要多少功能？

忘记下面的评论吧。发现Matlab编译器不是唯一可用的。顺便说一下，这个工具箱很好用。

想尝试了这一点，但我没有访问MATLAB编译器。是预编译的版本可用的地方？（除第一条评论的死链接）谢谢！

FS的伟大工具，有很好的文档和优秀的README文件，包含各种方法的详细信息和参考。

我希望它可以用于多类或基于回归的功能选择，但我会看看我是否能找到一种方法使它成为可能。

- 编辑：值得注意的是，这里使用的SVM工具“将在未来的版本中删除”，将需要与在某些时候更新的功能所取代。

- 内德2：弄清楚如何至少为Fisher进行多级工作。对于有兴趣的人：
1.将标签(Y)转换为nxm矩阵，其中m=类的数量，n=样本的数量(如Demo中值为-1或1)。
2.修改'spider_wrapper'第10行:a.method='classification';%可以是任意数字1-3，取决于您的方法偏好(参见FSLib_v4.2_2016/FSLib_v4.2_2016/FSLib_v4.2_2016/lib/@fisher/training的第60行。详情)
3.不要尝试使用SVMS绘制结果，这不会用于多字符数据。特征选择后停止（演示线的第149行）。

Hi Davide， '\'和'/' for路径与你的操作系统(Linux或Windows)相关，所以可能你需要切换到另一个基于它的，你是受欢迎的:)

嗨Giorgio，谢谢你的建议。在“路径”/ lib“下，有一个\而不是make文件文件的第9行。欢呼:)

嗨Davide，你确定你编译了解决方案吗？在使用工具箱之前，您应该运行make文件，似乎丢失了MEX文件，也检查含有FSLib文件夹及其子文件夹的路径。

排名= spider_wrapper（X，Y，N_DS，低级（ 'RFE'））触发此堆栈错误跟踪：

未定义函数'libsvm_classifier_spider'用于类型为'cell'的输入参数。

svm/training中的错误(第225行)
[α,xSV, bias0] = libsvm_classifier_spider ({X, X}, {Y, Y},…

算法/火车误差（第103行）
(dat,寒冷)=培训(藻类,dat);

RFE /培训中的错误（第36行）
[RES，a.child] =列车（未受过训练的，DAT）;

算法/火车误差（第103行）
(dat,寒冷)=培训(藻类,dat);

spider_wrapper中的错误（第12行）
[TR，A] =列车（一，DSET）;

你能建议我如何解决它吗？

嗨David，INF-FS是一种无人监督的方法，但在此工具箱中，您可以找到此方法的两个变体。
功能[排名，重量] = inffs（x_train，y_train，alpha，监督，冗长）

设置监督=0来使用无监督版本，在这种情况下可以设置Y_train=[]

如果你要使用的监管版本，那么设定的监控= 1，并提供正确的类标签。

谢谢你的问题，
希望这可以帮助!

大家好，有一个关于infFS算法的问题。如果它是一个无监督的特征选择方法，为什么必须提供带有类标签的Y_train向量呢?

这个工具箱是否在多键数据上工作？我有1320个功能和3级的数据，我需要特征选择阶段。但此工具箱无法为我的数据工作。

我发现FSLib是一个非常有用的工具!非常感谢开发者!

嗨，谢谢你的反馈。我在zip中添加了“特征选择库（MATLAB Toolbox）”纸张。它讨论了最重要的FS方法。至于可用性，您可以在工具箱中找到一个演示文件，旨在允许用户轻松运行代码并使用具有工具箱提供的每个方法。

您好，您的工具箱似乎非常有趣，但您是否提供了任何“自述”文件或任何其他文档来学习如何使用它?
非常感谢!

太好了!谢谢你！

嗨，非常感谢图书馆。我有一个问题。对于该方法Fisher [6]，图书馆是否实施了Quanquan GU EQU ETC EQU ETC EQU ETC EQUE ETC（哪个更复杂）的广义Fisher分数，或者只是古典的Fisher分数。谢谢。

完整的代码预编译:http://giorgiorffo.it/projects/inffs/fslib_v1.1.zip.