fscchi2
使用卡方检验进行分类的单变量特征排序
语法
描述
对使用的特性(预测器)进行排序卡方测试.表idx
= fscchi2 (资源描述
,ResponseVarName
)资源描述
包含预测变量和响应变量,和ResponseVarName
响应变量的名称是否在资源描述
.函数返回idx
,其中包含预测因子的指数,按预测因子的重要性、意义排序idx (1)
是指数最重要的预测指标。您可以使用idx
为分类问题选择重要的预测因子。
例子
矩阵中的秩预测器
在数字矩阵中对预测器进行排序,并创建预测器重要性分数的条形图。
加载样例数据。
负载电离层
电离层
包含预测变量(X
)和响应变量(Y
).
使用卡方检验对预测因子进行排序。
[idx,分数]= fscchi2 (X, Y);
中的值分数
是负对数吗p值。如果一个p-value小于每股收益(0)
,则对应的分值为正
.在创建条形图之前,确定是否分数
包括正
值。
找到(isinf(分数)
Ans = 1x0空双行向量
分数
不包括正
值。如果分数
包括正
价值观,你可以替换正
在创建条形图之前用一个很大的数字来表示。有关详细信息,请参见对表中的预测器进行排序.
创建预测者重要性分数的条形图。
栏(分数(idx))包含(“预测排名”) ylabel (“预测重要性分数”)
选择前五个最重要的预测因素。找到这些预测器的列X
.
idx (1:5)
ans =1×55 7 3 8 6
第五列X
是最重要的预测因素吗Y
.
对表中的预测器进行排序
在表格中对预测器进行排序,并创建预测器重要性评分的条形图。
如果您的数据在一个表和fscchi2
对表中变量的子集进行排序,然后函数只使用该子集对变量进行索引。因此,一个好的实践是将您不想排序的预测器移动到表的末尾。同时移动响应变量和观测权重向量。然后,输出参数的索引与表的索引一致。
加载census1994数据集。
负载census1994
表adultdata
在census1994
它包含了来自美国人口普查局的人口数据,用来预测一个人的年收入是否超过5万美元。显示表的前三行。
头(adultdata, 3)
年龄workClass fnlwgt教育education_num marital_status种族职业关系性capital_gain capital_loss hours_per_week native_country薪水 ___ ________________ __________ _________ _____________ __________________ _________________ _____________ _____ ____ ____________ ____________ ______________ ______________ ______ 39 State-gov 77516单身汉13未婚Adm-clerical家族的白人男性2174 0 40美国< = 50 k 50 Self-emp-not-inc 83311单身汉13已婚公民配偶行政管理丈夫白人男性0 0 13美国<=50K 38二等兵2.1565e+05 hs毕业生9离异杂工清洁工非家庭成员白人男性0 0 40美国<=50K
表中adultdata
,第三列fnlwgt
是样本的权重,和最后一列工资
是响应变量。移动fnlwgt
的左边工资
通过使用movevars
函数。
adultdata = movevars (adultdata,“fnlwgt”,“之前”,“工资”);头(adultdata, 3)
种族性别年龄workClass教育education_num marital_status职业关系capital_gain capital_loss hours_per_week native_country fnlwgt薪水 ___ ________________ _________ _____________ __________________ _________________ _____________ _____ ____ ____________ ____________ ______________ ______________ __________ ______ 39 State-gov单身汉13未婚Adm-clerical家族的白人男性2174 0 77516美国< = 50 k 50 Self-emp-not-inc单身汉13已婚公民配偶行政管理丈夫白人男性0 0 13美国83311 <=50K 38私立hs毕业生9离异杂工清洁工非家庭成员白人男性0 0 40美国2.1565 +05 <=50K
对预测因子进行排序adultdata
.指定的列工资
作为响应变量,并指定列fnlwgt
观察权重。
[idx,分数]= fscchi2 (adultdata,“工资”,“重量”,“fnlwgt”);
中的值分数
是负对数吗p值。如果一个p-value小于每股收益(0)
,则对应的分值为正
.在创建条形图之前,确定是否分数
包括正
值。
idxInf =找到(isinf(分数))
idxInf =1×81 3 4 5 6 7 10 12
分数
包括八个正
值。
创建预测者重要性分数的条形图。的预测器名称x设在标记标签。
图酒吧(分数(idx))包含(“预测排名”) ylabel (“预测重要性分数”) xticklabels (strrep (adultdata.Properties.VariableNames (idx),“_”,“\ _”) xtickangle (45)
的酒吧
函数没有绘制任何条正
值。为正
与最大有限分数长度相同的值、图条。
持有在酒吧(分数(idx(长度(idxInf) + 1) *(长度(idxInf), 1))传说(“有限的分数”,“正分数”)举行从
柱状图使用不同的颜色显示有限分数和Inf分数。
输入参数
资源描述
- - - - - -样本数据
表格
示例数据,指定为表。不允许多列变量和字符向量的单元格数组以外的单元格数组。
每一行的资源描述
对应一个观察结果,每一列对应一个预测变量。可选地,资源描述
可以包含用于响应变量和观察权重的附加列。
响应变量可以是类别、字符或字符串数组、逻辑或数字向量,或者字符向量的单元格数组。如果响应变量是字符数组,则响应变量的每个元素必须对应数组的一行。
如果
资源描述
包含响应变量,并且希望在中使用所有剩余变量资源描述
作为预测器,然后通过使用指定响应变量ResponseVarName
.如果资源描述
还包含观察权重,那么您可以使用权重
.如果
资源描述
包含响应变量,并且您希望仅使用其余变量的子集资源描述
作为预测器,然后通过使用指定变量的子集公式
.如果
资源描述
不包含响应变量,则使用Y
.响应变量和资源描述
必须有相同的行数。
如果fscchi2
中使用变量的子集资源描述
作为预测器,函数只使用子集索引预测器。中的值“CategoricalPredictors”
名称-值对参数和输出参数idx
不要计算函数不排序的预测器。
fscchi2
认为南
,”
(空字符向量),""
(空字符串),< >失踪
,<定义>
值资源描述
响应变量缺少值。fscchi2
不为响应变量使用缺少值的观察值。
数据类型:表格
ResponseVarName
- - - - - -响应变量名
中包含变量名的字符向量或字符串标量资源描述
公式
- - - - - -响应变量和预测变量子集的解释模型
特征向量|字符串标量
响应变量和预测变量子集的解释模型,在形式中指定为字符向量或字符串标量“Y ~ x1 + x2 + x3”
.在这种形式,Y
表示响应变量,和x1
,x2
,x3
表示预测变量。
中指定变量的子集资源描述
作为预测指标,使用公式。如果你指定一个公式,那么fscchi2
没有对任何变量进行排序资源描述
没有出现在公式
.
公式中的变量名必须是资源描述
(Tbl.Properties.VariableNames
)和有效的MATLAB®标识符。中的变量名可以进行验证资源描述
通过使用isvarname
函数。如果变量名无效,则可以使用matlab.lang.makeValidName
函数。
数据类型:字符
|字符串
Y
- - - - - -反应变量
数值向量|分类向量|逻辑向量|字符数组|字符串数组|字符向量的单元格数组
响应变量,指定为数值、类别或逻辑向量、字符或字符串数组或字符向量的单元格数组。每一行的Y
的对应行的标签X
.
fscchi2
认为南
,”
(空字符向量),""
(空字符串),< >失踪
,<定义>
值Y
丢失的值fscchi2
不使用缺失值的观察Y
.
数据类型:单
|双
|分类
|逻辑
|字符
|字符串
|细胞
X
- - - - - -预测数据
数字矩阵
预测数据,指定为数值矩阵。每一行的X
对应一个观察结果,每一列对应一个预测变量。
数据类型:单
|双
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名-值参数必须出现在其他参数之后,但对的顺序并不重要。
在R2021a之前,名称和值之间用逗号隔开,并括起来的名字
在报价。
例子:“UseMissing”“NumBins”,20日,真的
将箱的数量设置为20,并指定在预测器中使用缺失值进行排序。
CategoricalPredictors
- - - - - -直言预测符列表
正整数向量|逻辑向量|字符矩阵|字符串数组|字符向量的单元格数组|“所有”
类别预测器的列表,指定为此表中的值之一。
价值 | 描述 |
---|---|
正整数向量 | 向量中的每个条目都是一个索引值,指示对应的预测器是分类的。索引值在1和之间 如果 |
逻辑向量 | 一个 |
字符矩阵 | 矩阵的每一行都是一个预测变量的名称。名字必须和里面的名字一致资源描述 .用额外的空格填充名字,这样字符矩阵的每一行都有相同的长度。 |
字符向量的字符串数组或单元格数组 | 数组中的每个元素都是一个预测变量的名称。名字必须和里面的名字一致资源描述 . |
“所有” |
所有的预测都是绝对的。 |
默认情况下,如果预测器数据在表中(资源描述
),fscchi2
如果变量是逻辑向量、无序分类向量、字符数组、字符串数组或字符向量的单元格数组,则假定该变量是分类的。如果预测器数据是一个矩阵(X
),fscchi2
假设所有的预测器都是连续的。要将任何其他预测器标识为类别预测器,请使用CategoricalPredictors
名称-值参数。
例子:“CategoricalPredictors”、“所有”
例子:CategoricalPredictors=[1 5 6 8]
数据类型:单
|双
|逻辑
|字符
|字符串
|细胞
一会
- - - - - -用于排序的类的名称
分类数组|字符数组|字符串数组|逻辑向量|数值向量|字符向量的单元格数组
用于排序的类的名称,指定为逗号分隔的对,由“类名”
和类别、字符或字符串数组、逻辑或数字向量或字符向量的单元格数组。一会
必须具有与?相同的数据类型Y
或者说响应变量资源描述
.
如果一会
是字符数组,则每个元素必须对应于数组的一行。
使用“类名”
:
的顺序
之前
与类顺序对应的维度。选择一个类的子集进行排名。例如,假设所有不同的类名的集合
Y
是{' a ', ' b ', ' c '}
.利用类的观察结果对预测因子进行排序“一个”
而且“c”
只是,指定“类名”,{' a ', ' c '}
.
的默认值。“类名”
所有不同的类名的集合是否在Y
或者说响应变量资源描述
.默认的“类名”
如果响应变量是有序的,则值具有数学顺序。否则,默认值按字母顺序排列。
例子:“类名”,{' b ', ' g '}
数据类型:分类
|字符
|字符串
|逻辑
|单
|双
|细胞
NumBins
- - - - - -用于装箱连续预测器的箱数
10(默认)|正整数标量
用于对连续预测器进行分组的箱的数目,指定为逗号分隔的对,由“NumBins”
和一个正整数标量。
例子:“NumBins”,50岁
数据类型:单
|双
之前
- - - - - -先验概率
“经验”
(默认)|“统一”
|标量值向量|结构
UseMissing
- - - - - -指示是否使用或丢弃预测器中缺失的值
假
(默认)|真正的
指示是否使用或丢弃预测器中缺失的值,指定为逗号分隔的对,由“UseMissing”
,要么真正的
使用或假
丢弃预测器中缺失的值以进行排序。
fscchi2
认为南
,”
(空字符向量),""
(空字符串),< >失踪
,<定义>
值将丢失值。
如果您指定“UseMissing”,真的
,然后fscchi2
使用缺少的值进行排序。对于一个类别变量,fscchi2
将缺失的值作为额外的类别处理。对于连续变量,fscchi2
的地方南
值在单独的bin中进行bin。
如果您指定“UseMissing”,假的
,然后fscchi2
不使用缺失值进行排序。因为fscchi2
为每个预测器单独计算重要性得分,当该行部分值缺失时,函数不会丢弃整行。为每一个变量,fscchi2
使用所有没有缺失的值。
例子:“UseMissing”,真的
数据类型:逻辑
输出参数
算法
版本历史
介绍了R2020a
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。