【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现【更新中】-Toy模板网

这篇具有很好参考价值的文章主要介绍了【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现【更新中】。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现

本文介绍基于libsvm代理模型算法的特征排序方法合集，包括：
1.基于每个特征预测精度进行排序（libsvm代理模型）
2.基于相关系数corr的特征排序（libsvm代理模型）
3.svmrfe_ker（二分类）【后续更新】
4.基于SVM-RFE递归特征消除的特征排序svmrfe_ori（二分类）【后续更新】

一、多输入单输出多分类问题

数据设置：
分类数据，12输入1输出4分类，357样本

classdata=xlsread('数据集C.xlsx');
X=classdata(:,1:end-1)';% 输入变量
Y=classdata(:,end);%输出标签
[X, ps_input] = mapminmax(X, 0, 1);
X=X';
ptrain_per=0.7;%训练比例 
trainIdx = randperm(size(X,1),ceil(size(X,1)*ptrain_per));%训练样本编号
testIdx = setdiff(1:size(X,1),trainIdx);%测试样本编号
K=10;%10折
cvObj = cvpartition(Y(testIdx),'k',K);
userdata.cvObj = cvObj;
userdata.ft = X(testIdx,:);%测试集输入
userdata.target = Y(testIdx);%测试集输出

nSel = size(X,2);%选择的特征数量 ,可以小于等于变量特征数

1、基于每个特征预测精度进行排序（libsvm代理模型）

即通过每个变量作为输入特征，通过十折平均误差率来对特征进行排序。
累计贡献度为 0.9

【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现【更新中】,matlab,回归,分类,敏感性分析,特征排序,重要性排序,降维

2、基于相关系数corr的特征排序（libsvm代理模型）

适应度函数——测试集平均R2为：0.88588
【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现【更新中】,matlab,回归,分类,敏感性分析,特征排序,重要性排序,降维

二、多输入单输出回归问题

数据设置：
分类数据，7输入1输出，107样本

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

%%  导入数据
res = xlsread('数据集.xlsx');

%%  划分训练集和测试集


ptrain_per=0.7;%训练比例 
trainIdx = randperm(size(res,1),ceil(size(res,1)*ptrain_per));%训练样本编号
testIdx = setdiff(1:size(res,1),trainIdx);%测试样本编号

P_train = res(trainIdx, 1: 7)';
T_train = res(trainIdx, 8)';
M = size(P_train, 2);

P_test = res(testIdx, 1: 7)';
T_test = res(testIdx, 8)';
N = size(P_test, 2);

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);
K=10;%10折
cvObj = cvpartition(Y(testIdx),'k',K);
userdata.cvObj = cvObj;
userdata.ft = X(testIdx,:);%测试集输入
userdata.target = Y(testIdx);%测试集输出

nSel = size(X,2);%选择的特征数量 ,可以小于等于变量特征数