轉自：https://blog.csdn.net/yoyodelphine/article/details/52153651

ReliefF算法是Relief算法的擴展， Relief算法只適用于兩類樣本的問題， ReliefF算法可以應用到多個樣本上。

ReliefF算法步驟如下：

現有不同類別的樣本若干， 對每類樣本稱作 Xn。

1. 從所有樣本中，隨機取出一個樣本a。

2. 在與樣本a相同分類的樣本組內，取出k個最近鄰樣本。

3. 在所有其他與樣本a不同分類的樣本組內， 也分別取出k個最近鄰樣本。

4. 計算每個特征的權重。

對于每個特征的權重有：

其中， p(C) 為該類別的比例。 p(Class(R)) 為隨機選取的某樣本的類別的比例。

可以看到，權重意義在于， 減去相同分類的該特征差值， 加上不同分類的該特征的差值。（若該特征與分類有關，則相同分類的該特征的值應該相似， 而不同分類的值應該不相似）

最后可以根據權重排序，得到合適的特征。

?

總結

以上是生活随笔為你收集整理的特征选择算法之 ReliefF 算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。