【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
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
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
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
2、基于相关系数corr的特征排序（libsvm代理模型）
三、代码获取
CSDN私信回复“77期”即可获取下载方式。