Рейтинг одномерных функций для классификации с использованием тестов хи-квадрат
idx = fscchi2(Tbl,ResponseVarName)Tbl содержит переменные предиктора и переменную отклика, и ResponseVarName - имя переменной отклика в Tbl. Функция возвращается idx, который содержит индексы предикторов, упорядоченные по значимости предиктора, что означает idx(1) - индекс самого важного предиктора. Можно использовать idx чтобы выбрать важные предикторы для задач классификации.
idx = fscchi2(___,Name,Value)
Оцените предикторы в числовой матрице и создайте столбиковую диаграмму счетов предикторной важности.
Загрузите выборочные данные.
load ionosphereionosphere содержит переменные предиктора (X) и переменной отклика (Y).
Оцените предикторы, используя хи-квадратные тесты.
[idx,scores] = fscchi2(X,Y);
Значения в scores являются отрицательными журналами значений p. Если p-значение меньше eps(0), затем соответствующее значение баллов Inf. Перед созданием столбиковой диаграммы определите, scores ли включает Inf значения.
find(isinf(scores))
ans = 1x0 empty double row vector
scores не включает Inf значения. Если scores включает Inf значения можно заменить Inf по большому числу перед созданием столбиковой диаграммы в целях визуализации. Для получения дополнительной информации смотрите Rank Predictors в таблице.
Создайте столбиковую диаграмму предиктора важности счетов.
bar(scores(idx)) xlabel('Predictor rank') ylabel('Predictor importance score')
Выберите пять самых важных предикторов. Найдите столбцы этих предикторов в X.
idx(1:5)
ans = 1×5
5 7 3 8 6
Пятый столбец X является важнейшим предиктором Y.
Оцените предикторы в таблице и создайте столбиковую диаграмму предикторной важности счетов.
Если ваши данные находятся в таблице и fscchi2 ранжирует подмножество переменных в таблице, затем функция индексирует переменные, используя только подмножество. Поэтому хорошей практикой является перемещение предикторов, которые вы не хотите ранжировать, в конец таблицы. Переместите переменную отклика и вектор веса наблюдения также. Затем индексы выходных аргументов согласуются с индексами таблицы.
Загрузите набор данных census1994.
load census1994Таблица adultdata в census1994 содержит демографические данные Бюро переписи населения США, чтобы предсказать, составляет ли индивидуум более 50 000 долларов в год. Отобразите первые три строки таблицы.
head(adultdata,3)
ans=3×15 table
age workClass fnlwgt education education_num marital_status occupation relationship race sex capital_gain capital_loss hours_per_week native_country salary
___ ________________ __________ _________ _____________ __________________ _________________ _____________ _____ ____ ____________ ____________ ______________ ______________ ______
39 State-gov 77516 Bachelors 13 Never-married Adm-clerical Not-in-family White Male 2174 0 40 United-States <=50K
50 Self-emp-not-inc 83311 Bachelors 13 Married-civ-spouse Exec-managerial Husband White Male 0 0 13 United-States <=50K
38 Private 2.1565e+05 HS-grad 9 Divorced Handlers-cleaners Not-in-family White Male 0 0 40 United-States <=50K
В таблице adultdata, третий столбец fnlwgt - вес образцов и последнего столбца salary - переменная отклика. Переместить fnlwgt слева от salary при помощи movevars функция.
adultdata = movevars(adultdata,'fnlwgt','before','salary'); head(adultdata,3)
ans=3×15 table
age workClass education education_num marital_status occupation relationship race sex capital_gain capital_loss hours_per_week native_country fnlwgt salary
___ ________________ _________ _____________ __________________ _________________ _____________ _____ ____ ____________ ____________ ______________ ______________ __________ ______
39 State-gov Bachelors 13 Never-married Adm-clerical Not-in-family White Male 2174 0 40 United-States 77516 <=50K
50 Self-emp-not-inc Bachelors 13 Married-civ-spouse Exec-managerial Husband White Male 0 0 13 United-States 83311 <=50K
38 Private HS-grad 9 Divorced Handlers-cleaners Not-in-family White Male 0 0 40 United-States 2.1565e+05 <=50K
Оцените предикторы в adultdata. Задайте столбец salary как переменная отклика и задайте столбец fnlwgt как веса наблюдений.
[idx,scores] = fscchi2(adultdata,'salary','Weights','fnlwgt');
Значения в scores являются отрицательными журналами значений p. Если p-значение меньше eps(0), затем соответствующее значение баллов Inf. Перед созданием столбиковой диаграммы определите, scores ли включает Inf значения.
idxInf = find(isinf(scores))
idxInf = 1×8
1 3 4 5 6 7 10 12
scores включает восемь Inf значения.
Создайте штриховой график с счетами важности предиктора. Используйте имена предикторов для меток такта по оси X.
figure bar(scores(idx)) xlabel('Predictor rank') ylabel('Predictor importance score') xticklabels(strrep(adultdata.Properties.VariableNames(idx),'_','\_')) xtickangle(45)
The bar функция не строит графики для Inf значения. Для Inf значения, столбцы графика, которые имеют ту же длину, что и наибольший конечный счет.
hold on bar(scores(idx(length(idxInf)+1))*ones(length(idxInf),1)) legend('Finite Scores','Inf Scores') hold off
В гистограмму отображаются конечные счета и счета Inf с использованием различных цветов.