作者：kervin

編輯：阿吉

?? ? ? ?目前，機(jī)器學(xué)習(xí)在腦科學(xué)領(lǐng)域的應(yīng)用可謂廣泛而深入，不論你是做EEG/ERP研究，還是做MRI研究，都會(huì)看到機(jī)器學(xué)習(xí)的身影。機(jī)器學(xué)習(xí)最簡(jiǎn)單或者最常用的一個(gè)應(yīng)用方向是分類，如疾病的分類。對(duì)于有監(jiān)督機(jī)器學(xué)習(xí)(如我們常用的SVM)來(lái)說(shuō)，首先需要提取特征值，特征值作為機(jī)器學(xué)習(xí)的輸入進(jìn)行訓(xùn)練，得到模型。但是，在實(shí)際的例子中，不太可能把提取到的所有特征值輸入到機(jī)器學(xué)習(xí)模型中進(jìn)行訓(xùn)練，這是因?yàn)檫^(guò)多維度的特征值往往會(huì)包括冗余成分，這不僅會(huì)大大降低學(xué)習(xí)速度，而且還會(huì)產(chǎn)生過(guò)擬合現(xiàn)象，進(jìn)而影響機(jī)器學(xué)習(xí)模型的性能。最典型的列子是我們做MRI研究，可能會(huì)提取到上萬(wàn)個(gè)特征值。因此，我們需要首先對(duì)提取到的特征值進(jìn)行特征選擇，去除冗余特征，即所謂的特征降維。? ? ? ?目前，特征降維的方法很多，筆者這里就不一一列舉(可自行度娘)，而F-score是其中比較簡(jiǎn)單和有效的方法，也是很常用的一種方法。今天，筆者在這里就詳細(xì)講解一下F-score如何計(jì)算，并給出Matlab程序。? ? ? ?第i個(gè)特征的F-score的計(jì)算公式如下所示：

? ? ? ?其中，表示第i個(gè)特征中正類特征值的平均值，表示第i個(gè)特征中負(fù)類特征值的平均值，表示第i個(gè)特征所有特征值的平均值，n+表示第i個(gè)特征中正類特征值的個(gè)數(shù)，n-表示第i個(gè)特征中負(fù)類特征值的個(gè)數(shù)，表示正類特征值中第k個(gè)特征值，表示負(fù)類特征值中第k個(gè)特征值。? ?對(duì)于F-score需要說(shuō)明一下幾點(diǎn)：1.一般來(lái)說(shuō)，特征的F-score越大，這個(gè)特征用于分類的價(jià)值就越大；2.在機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用中，一般的做法是，先計(jì)算出所有維度特征的F-score，然后選擇F-score最大的N個(gè)特征輸入到機(jī)器學(xué)習(xí)的模型中進(jìn)行訓(xùn)練；而這個(gè)N到底取多少合適，需要你自己進(jìn)行嘗試；3.F-score只適用于二分類，對(duì)于多分類的應(yīng)用，可以考慮采用其他的特征選擇方法；4.F-score與SVM相結(jié)合，可以達(dá)到較好的分類效果；關(guān)于SVM，大家可以參考我們公眾號(hào)之前推送的文章《支持向量機(jī)SVM工具包LIBSVM的安裝和測(cè)試》。? ? ? ?按照上述的F-score的計(jì)算公式，我們可以用Matlab進(jìn)行編程。筆者按此已經(jīng)編寫(xiě)好F-score函數(shù)，并進(jìn)行了測(cè)試，需要下載程序的朋友，煩請(qǐng)先轉(zhuǎn)發(fā)本文到朋友圈，然后截圖到微信公眾號(hào)后臺(tái)，管理員會(huì)盡快把下載鏈接發(fā)送給您，謝謝!我們的業(yè)務(wù)第一屆腦電數(shù)據(jù)分析技術(shù)實(shí)戰(zhàn)班EEG/ERP數(shù)據(jù)處理服務(wù)推薦閱讀支持向量機(jī)SVM工具包LIBSVM的安裝和測(cè)試腦科學(xué)研究中常用的數(shù)據(jù)歸一化方法(附Matlab程序)聊一聊置換檢驗(yàn)Permutation test的原理關(guān)注我們

總結(jié)

以上是生活随笔為你收集整理的matlab 归一化_机器学习中如何用Fscore进行特征选择（附Matlab代码）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。