嗨，谢谢你的包裹。我只是想知道如何更改svm rfe的内核。你有关于这方面的文件吗？

万博1manbetx支持作者

嗨，乔治，我现在可以使用演示代码了。我试着运行各种过滤器，每个过滤器的排名都不一样。在这种情况下，我如何决定哪些功能是最重要的。请帮忙。我应该试试其他代码吗？

有一点:我想知道你是否能在代码的什么地方找到了w(变换矩阵)，并将其应用到fisher参考书中的方程式3.83中。我看到在训练中计算了相关性。m，但没有变换。在Fisher方法中，特征的排序是在它们转换到一个新的空间之后进行的。

更新:我尝试探索每个功能的权重(不仅仅是输出排名)，我尝试添加a.rank到输出，我收到了这个错误:
A.重量级
索引超过数组元素的数量(0)。

fisher/subsref错误(第72行)
cur = stack {1};

Giorgio各个特征选择器的输出排名。我还需要知道每个功能的得分。显然，该软件不会报告每个功能的得分。

嗨@Zeynab，谢谢你的提问。Q1:listFS是字符串的单元格数组，methodID应该是一个整数值。是否确实对数组进行了正确的索引？e、 例如，listFS{1}或listFS{2}等。。？
Q2:特征选择应该应用于训练数据,这是因为你不应该有测试数据(和它的标签在监督的情况下设置),如果你在整个数据集应用FS是不公平的,你的特征选择策略运作(~显然更好~),因为它见证了所有的数据,但是,您对数据进行了过度拟合(具有很高的概率)，并在实际测试数据上失去了泛化能力。谷歌搜索关于ML中训练/测试分割的动机以获得更多细节。
Q3:加入随机特征是为了表明FS可以有效地检测那些不相关的特征(Random -> by construction)并丢弃它们。它是一个演示文件，因此玩具数据是演示的一部分，您可以看到不同的方法如何检测和选择相关的特性。这个演示提供了工具箱中FS方法集之间的简单比较。谢谢你的问题，希望我的回答能有所帮助!

嗨，乔治
为什么要在演示中运行特征选择?我认为对整个数据点进行特征选择可以得到更全面的数据趋势结果。另外，请您解释一下为什么在演示中再次向列车集添加了随机特征值(X_train = [X_train,rand(120,4)];) ?
谢谢

嗨@pallavi，您使用哪些X_train数据和y来提供分类器?看起来你的数据X和Y有问题，请检查你是否正确地将它们传递给函数。

嗨，乔治
我在尝试为Fisher运行演示时收到此错误：
无法使用类型fisher作为索引的值。

演示中的错误（第70行）
selection_method=listFS{methodID}；%挑选出来的

嗨，乔治，
我是机器学习的新手。我只是想演示一下。m代码和我遇到以下错误
使用classreg.learning错误。FitTemplate / fillIfNeeded(第666行)
showplot不是有效的参数名称。。

你能解释一下我该怎么改正吗?我已经在我的代码中更改了函数fitcsvm和ClassificationSVM

你好，乔治，感谢你的努力
你能帮我个忙吗?
我想要一个通过粗糙集理论进行特征选择的工具箱

感谢大家在这些年中使用这个工具箱。
我很高兴它对你们许多人都很有用。
我希望你知道，我是作为一个志愿者分享代码和库(我不为MATLAB工作，我没有从中获利)。
我用来更新这个图书馆的时间是有限的。
这个库不是一个商业产品，因此它可能包含不一致，错误，或我在更新一些旧文件的健忘。
尽管如此，我还是尽力通过改进这个开源库来纠正您发现的bug。
再次感谢你。

嗨brai,
从第一个实现开始，该文件就一直保存在库中。
我修复了一些问题并使用新版本更新了代码。感谢您查找错误。
请注意，PLSA+EM算法的实现基于以下代码：
https://github.com/lizhangzhan/plsa
https://github.com/lizhangzhan/plsa/blob/master/plsa.m
我可以继续讨论我们的邮件对话!

我尝试使用ILFS算法，但似乎不正常。我不确定实施，所以我想指出我的担忧：
1)第113行:它说std.^2，但我认为它是std。方差在第150行中使用。如果不是，第150行除以std^4。
2)第159行:算法取概率类值较低的箱子，但根据论文，取概率类值较高的箱子。
3)第243行:prob_token_factor没有更新，但prob_token_factor未使用。这将导致在EM循环中永远不会更新prob_token_factor。

亲爱的乔治,
我已经用了十多年了。现在我安装了工具箱并尝试了数据，但它总是在显示中出错。在数据中，它显示数据（算法，X，Y）或数据（X，Y）都有效。但是我输入了数据（X，Y），它说显示错误：没有足够的输入参数。数据中的“算法”是什么格式，fisher中的“超”是什么格式？
你能帮我个忙吗?

谢谢你的工作。
我在使用这个工具箱时遇到了一些问题。
当我运行演示。m文件,errors happened. And I found the functions svmtrain and svmclassify are not used in MATLAB 2018b, the software suggested me replacing them by fitcsvm and ClassificationSVM. However, after I modified them,the program still cannot run. I do not know why, can you help me?

使用Brad提供的补丁更新演示（2018年12月26日），Nessary将在最近的Matlab上运行。如果源代码可以更新，那就太好了。

嗨，马克，谢谢你下载工具箱，看起来你在drtoolbox上遇到了问题，而不是fslib。下载降维工具箱，因为您在这里找到的只是一个库，并且只有很少的函数。

嗨，我相信背后的工作是伟大的，但我真的面临着很多麻烦让Test_toolbox.m正常运行。我得到了多个错误，如：
------------
'位置2的索引超过数组边界(不能超过3)。'
警告：使用CorrDim的内在维度估计失败！
-------------
它是看着某一点:
MATLAB \附件\工具箱\ \特征选择图书馆\ FSLib_v6.2.1_2018 \ lib \ \ csdp.exe drtoolbox \技术
请问我怎样才能买到这个?

除此之外，我还试着运行drgui。m，当使用散点绘图时，我得到了一个num2str错误，就像scatter112行一样。它试图使num2str(hs，'%20.20f')和hs是一个句柄。
非常感谢你所做的一切。

@Giorgio非常感谢
我有一个问题，我不明白:
当运行演示文件(使用FSV方法或fisher)对我的数据，它给我的准确性85% ..然后我尝试运行demo_infffs文件，但它给了我57%的准确率!!我的错在哪里?
谢谢，关于;

嗨，谢谢你的出色工作。关于这一点，我有一个问题。
如果像rfe这样的包装器方法也只返回单个权重的排名，那我就不知道如何实现了。在我看来，我们必须在包装器方法中尝试不同的特性子集，而不是单个特性。因此，对我来说，似乎要在包装的代码中评估特性子集(比如x子集)，以及在所有使用的特性集上提取单个特性重要性的其他方法(比如Xindiv)。最后我们来看看排名。如果是这样，为什么不直接返回每个特征子集的结果，即x子集。因为当我们使用包装器方法时，我们想要得到最好的子集。即使代码返回单个的排名，我也不能确定包含子集的最前面的几个特性是否是最好的子集。

@乔治谢谢你的帮助！

如果你的数据是非数值的
标签={‘蓝色’、‘绿色’、‘红色’}；
有些函数不起作用。你需要像这样的数字数据:
标签=[1,2,3]

liping您的数据似乎不是数字（整数、浮点、双精度）

我有以下错误，谁能帮助这个
未定义的函数'ISNAN'用于类型“标称”类型的参数。

@samar ragab谢谢你的帮助!

@wenyan曹
注意：您必须具有“Visual Studio”和“X86_64-W64-Mingw32”
只要下载这个库，这个库也是“大型线性分类库”，你可以在这里下载:https://www.csie.ntu.edu.tw/~cjlin/liblinear/
然后运行make.m文件。如果它工作正常，就可以了。另一方面，您应该按照自述文件来运行它。
最好的祝愿

你好，我是个新手。这是一个很有创意的问题。我该如何使用这个工具箱?我希望你能给我指导。我会很感激的。

如何实现这个库(Demo & Demo_InfFS)的多类问题?
提前感谢；

如何找出哪两个特征得到秩1和秩2，即哪些特征被选中。

获取mex文件时出错。不知道该怎么办

这就跟你问声好！非常感谢你给我这个图书馆。我们公司正在使用它。

你好，这可能是一个愚蠢的问题，但是否有可能为进入一个特征选择算法(例如特征向量中心性算法)的每个特征提供预先指定的权重?

你好，乔治，你真的做得很好。我一直在寻找这样的代码使用的机会。我已经提取了特征，当我使用SVM的时候得分很低，我相信这可以帮助提高特征提取的性能。我对代码有意见。我试图使用make代码首先构建，我有这个错误。将所有必要的功能添加到bin中。

错误使用cd
不能CD到F:\bin\lib(名称不存在或不是目录)。

make123forfeatureselection错误(第5行)
cd(“自由”);

我使用MATLAB 2018b。希望收到你的来信。谢谢你先生!

你好!
@Muhammed:可能sigma_ij和corr_ij被颠倒了，如果你设置alpha=05，这两个公式是一样的，就不会造成这么多问题。
文中的alpha 0.2，在这种情况下对应于alpha=0.8。如果您在训练集上使用交叉验证来找到最好的alpha，就不会有问题。我会试着修正它，把它和纸对齐。
Demo_InfFS只包含交叉验证的结构，你可以从中学到最好的alpha参数。你将无法运行它，但它是。尝试演示。M可以轻松地运行代码。

你好我不明白矩阵的计算，它与纸上提出的方法不同。
论文指出,
A = (alpha*sigma_ij + (1-alpha)*corr_ij); / /
但是代码是这样实现的
A = (alpha*corr_ij + (1-alpha)*sigma_ij);

您好，我在运行Dimo_InfFs.m时出错
字段分配给非结构数组对象。

列车错误(第32行)
algo.training_time = cputime;

演示InfFS中的错误（第41行）
cv=列车（Y\U列车、X\U列车、cmd）；
任何帮助请吗?

你好，我有一个关于这个的问题。我目前有一组数据(12列)，并计划对上述数据进行分类(使用KNN, SVM等)。现在，我计划从数据中删除一些列，以提高它的准确性。这个功能选择库似乎非常适合它。然而，刚开始使用MATLAB，我目前对编译工具箱没有任何想法。在编译单个库(特征选择方法。m文件)时，我得到了一些错误。任何帮助，这是高度赞赏。谢谢。

这就跟你问声好！你是说多类分类吗?
在情况下,是的。
所有“无监督”的FS方法自然适合于多类问题，因为它们不考虑任何类标签。
至于“监督的”，FS方法，其中一些工作多级问题，如救济，SVM-RFE，…

你好，这个工具箱适合多类别分类吗?如果是，如何实现它?谢谢你！

固定的谢谢

你好,
该函数属于线性函数——一个大型线性分类库，你可以在这里下载:https://www.csie.ntu.edu.tw/~cjlin/liblinear/

嗨，乔治，谢谢你分享你的工具箱!
我在使用DemoInfFD时遇到了一些麻烦。因为当我运行它时，我得到以下错误:
"未定义函数'train'用于输入类型为'double'的参数。
演示InfFS中的错误（第41行）
cv=列车（Y\U列车、X\U列车、cmd）；"
我在Windows 10上使用Matlab2016a。
有什么建议吗?
谢谢
埃琳娜

谢谢你@Brad，我会尽快修好的。)

供参考——svmtrain() & svmclassify()
这些函数在2018b中被删除了，所以演示脚本在第200行左右失败。我相信下面的更新会解决这个问题…

%使用线性支持向量机分类器万博1manbetx
svmStruct = fitcsvm (X_train (:, (1: k)), Y_train);
sv = svmStruct.万博1manbetxSupportVectors;
gscatter (X_train (:, (1)), X_train (:, (2)), Y_train);抓住
情节(sv (: 1), sv(:, 2),‘ko’,‘MarkerSize’,10);推迟
C = predict(svmStruct, X_test(:，ranking(1:k)));
err_rate = sum(Y_test~= C)/P.TestSize;%错误分类率
conMat=混淆MAT（Y_测试，C）；%混淆矩阵

这个项目是另一种成功的努力。做得很好。

我在文件交换中找到的最好的完美工具箱之一！一流的工作！荣誉！

优秀作品。

好? ?

哈，我发现了我的错。标签必须为1和-1，而不是1和0

谢谢你的分享，这对我很重要，谢谢

供参考。
新特刊《特征选择与深度学习》
本期特刊的主要焦点将是特征选择和深度学习，也就是深度学习模型如何融入特征选择和排名策略的问题。
详情请参阅提交网页(https://www.mdpi.com/journal/informatics/special_issues/FSMDL)

太棒了，非常感谢!

嗨，Giorgio！谢谢你的分享。我有一个问题：[19]Lasso的源代码在哪里？我在工具箱里找不到它。

你好,乔治!这可能是一个愚蠢的问题……但是，在“cfs”函数中使用“scores”是什么意思?我如何访问这些值?代码不会在工作区中返回它们。

谢谢分享!
有些方法使用“nClass”变量来选择类的数量。工具箱里的其他方法呢?你知道它们是否适用于多类范式吗?
此外，如果您能为实现的方法提供引用，那将是非常棒的！

谢谢!！

固定的谢谢

我查一查。。很抱歉

嗨。我认为新版本包含了错误的infFS函数。演示失败是因为infFS给出了太多的参数。infFS。M说它来自4.0版本。

新版本可用，请先编译解决方案。运行make。

失踪libsvm_classifier_spider

这就跟你问声好！请参阅新版本6.1 ->增加了新的演示文件:如何为Inf-FS和ILFS选择最佳参数。

你用了多少代币?注意,T > = 4

我得到了误差:使用histc的误差;边向量必须单调非递减

你好，谢谢你的出色工作。我有个问题。当我在matlab2015b上运行这个工具箱在64位windows 8.1和8GB内存，我得到的错误'Out of memory'。我遵循了一些建议，如重置“Jave堆大小”，但它没有工作。我该怎么办?

对于matlab2018a
％svmstruct = svmtrain（x_train（：，排名（1：k）），y_train，'showplot'，true）;
% C = svmclassify(svmStruct,X_test(:，ranking(1:k))，'showplot'，true);
svmClassifier = fitcsvm (X_train (:, (1: k)), Y_train);
[c，scores] =预测（svmclassifier，x_test（：，排名（1：k）））;

你好,

我在windows 10电脑上使用Matlab 2015a。我总是得到错误:“错误使用mex
没有找万博1manbetx到支持的编译器或SDK。的选项,请访问//www.tianjin-qmedu.com/万博1manbetxsupport/compilers/r2015a/win64.html.“有人能帮我吗？

@dongyang！不幸的是，工具箱提供了一系列排名方法，您应该决定先验的子集。如果您想要一种为您提供套索方法的功能子集的方法，它们是用于通过将其权重减少为零的冗余功能，在此过程结束时，您可以选择其特征的子集系数是> 0.我希望有帮助！最好的事物。

你好乔治:
谢谢分享你的代码。我有一些问题，
我如何使用这个工具箱输出功能的子集，而不是功能的排序。

你好乔治:
我试图在RFE期间以“实时”的方式对测试数据进行交叉验证。
我已经尝试设置a.test_on_the_fly = struct('loss'，'class_loss'，'data'，test_dset);
其中test_dset = data(X_test,Y_test);

这会在训练中抛出一个错误:
未定义的函数或变量“组”。

rfe/training>的错误评估(第122行)
如果~isa（a.test_on_the_fly.result，'group'），a.test_on_the_fly.result=group；终止

你知道怎么解决吗?我不确定“group”应该是什么，以及是否需要设置a.test_on_the_fly。结果提前。

谢谢，
尼克

亲爱的乔治,

很高兴看到一切编译和运行如此顺利
在版本6中。了不起的工作!

嗨,乔治,

工具箱很棒。看起来rfe算法的排名总是1到N，不管我输入的数据是什么。我是不是漏掉了什么?排名应该是功能的重要性吗?

你好，我要发布一个新的6.0版本，有几个更新。最好的

你好,乔治
谢谢分享你的代码。我有一些问题，
如何在matlab 2017a中导入这个toolbax ?

使用mex时出错
没有找万博1manbetx到支持的编译器或SDK。的选项,请访问
//www.tianjin-qmedu.com/万博1manbetxsupport/compilers/R2014a/win64.

嗨
谢谢你分享你的代码。这是我在编译时遇到的一个错误，你能帮我吗？
制作
+构建和安装
构建estmutualinfo.cpp的mex(dll)
使用“Microsoft Windows SDK 7.1 (c++)”构建。
墨西哥人成功完成。
构建estpabp .cpp的mex(dll)
使用“Microsoft Windows SDK 7.1 (c++)”构建。
墨西哥人成功完成。
构建libsvm_classifier_spider.cpp的mex(dll)
警告:转义字符'\m'无效。有关受支持的特殊字符，请参见'doc spr万博1manbetxintf'。
>在制造（第20行）
使用mex时出错
未知的文件扩展名“”。
make错误(第20行)
eval（['mex libsvm_classifier_spider.cpp svm.cpp-Icompiletools'，sprintf（['compiletools'，filesep，'mexarg.cpp']））

感谢Giorgio提供了这个非常有用且易于使用的库。。。

这就跟你问声好！
实际上，这不是一个库问题，您丢失的文件位于:FSLib_v5.2_2017/lib/compiletools/mexarg.h
编译器找不到它，所以可以尝试将文件夹和子文件夹添加到该路径中，然后重新编译。
最好的事物，

这是运行make时的完整错误集。m文件
使用mex时出错
libsvm_分类器_spider.cpp
E:\FSLib\u v5.2\u 2017（1）\FSLib\u v5.2\u 2017\lib\libsvm\u分类器\u spider.cpp（11）：致命
错误C1083：无法打开包含文件：'mexarg.h'：没有这样的文件或目录

make错误(第20行)
eval（['mex libsvm_classifier_spider.cpp svm.cpp
-Icompiletools’,sprintf ([compiletools, filesep, ' mexarg.cpp ']))

特征选择方法:rfe
培训RFE（SVM内核线性）专长= 43 output_rank = 1 ...
在职培训1
训练SVM核线性....
未定义的函数或变量“libsvm\u分类器\u spider”。

svm/training中的错误(第225行)
[alpha，xsv，bias0] = libsvm_classifier_spider（{'x'，x}，{'y'，y}，...

算法/列车错误(第103行)
(dat,寒冷)=培训(藻类,dat);

rfe/training错误(第36行)
[res，a.child]=训练（未训练，dat）；

算法/列车错误(第103行)
(dat,寒冷)=培训(藻类,dat);

spider_wrapper错误(第55行)
[tr，a]=列车（a，dset）；

rfe_rf错误(第16行)
排名=蜘蛛包装（列车特征、列车等级、numF、较低（'rfe'）；
请帮助

@shun:谢谢你的反馈。我修复了这个bug，可能是在之前的上传中引入的。对不起。
@Lilin:FSV是一种包装方法。对不起，您在哪里找到有关FSV和筛选器的参考资料？

嗨Giorgio，我有一个问题时使用了Inffs模式。在论文中，相关项是Corr = 1-Abs（Spearman（FI，FJ）），但在您的代码中，为什么它似乎是Corr = Spearman（FI，FJ）？

嗨，Giorgio，我有一个关于fsv特性选择方法的问题，在你们的指南书中，你们说fsv是一种包装方法，但你们的代码表明它是一种过滤方法。您能告诉我您在代码中提到的原则吗。

运行make.m发现此错误。那么怎么办呢?

使用mex时出错
没有找万博1manbetx到支持的编译器或SDK。的选项,请访问//www.tianjin-qmedu.com/万博1manbetxsupport/compilers/R2014a/win32.

make错误(第17行)
MEX（[列表（i）.name]）;

优秀的工作

嗨，Giorgio，谢谢分享你的代码。我有一些问题，
我有100个样本(84 train 16 test)，每个样本有648个属性，所以我有100*648矩阵。我创建x_train(84*648)， y_train(84*1)， x_test(16*648)， y_test(16*1)。
选择方法后，会出现一些错误。我粘贴命令窗口;

+特征选择方法:10
Training l0(svm kernel linear) feat=648 output_rank=1....
训练SVM核线性....
由于依赖性而删除了约束1

没有平等的约束…

错误使用+
矩阵维数必须一致。
四次解误差(第414行)
y=y+fd*dy；
svm/训练错误（第50行）
[α,偏见]= quadsolve(比释动能的(大小(比释动能,1),1),y ', 0, algo.C);
算法/列车错误(第103行)
(dat,寒冷)=培训(藻类,dat);
第10 /training错误(第30行)
[r，alg.child]=列车（alg.child，datTemp）；
算法/列车错误(第103行)
(dat,寒冷)=培训(藻类,dat);
spider_wrapper错误(第55行)
[tr，a]=列车（a，dset）；
专长选择错误（第205行）
排名= spider_wrapper（x_train，y_train，numf，dowllow（selection_method））;
你对我有什么建议？

这就跟你问声好！
为了编译工具箱，你只需要运行“make”。M "，从主文件夹。
请打开make.m文件并检查路径分隔符：addpath（genpath（'./compiletools'）；
/在Linux操作系统下使用，如果你在MS Windows上运行代码，你可能需要用\比如:addpath(genpath('.\compiletools'));

从您的输出中可以看出，您安装了一个合适的C编译器。如果您仍然有问题，复制和粘贴错误，否则很难理解是什么问题。最好的祝愿

你好，乔治，我和理查德有同样的问题。一开始我负责管理餐馆。-file并得到如下输出:
编译…
建筑与gcc。
墨西哥人成功完成。
建筑与gcc。
墨西哥人成功完成。
建筑与gcc。
墨西哥人成功完成。
使用“g++”构建。
墨西哥人成功完成。
编译完成。

在那之后，我想运行制造。m文件，但得到错误:未知的文件扩展名"。make错误(第20行)。
我做错了什么？先感谢您。

您好，此下载不会使用make.m生成。我需要做什么？未找到/缺少目录/lib/compiletools。运行make.m文件时，第20行出现错误。非常感谢。

嗨，抱歉，mathworks的人因为上次上传的.mex文件而降级了库。我重新上传了最后一个版本。

你好乔治,
我如何解决这个问题(我正在使用ILFS)
赋值具有比非单例下标更多的非单例rhs维度

您好，排名（1）是最具辨别力的功能。排名（末尾）最差的功能。最好的

你好乔治,

我想知道在呼叫后哪些功能是如何排名的

[ranking, weights, subset] = ILFS(X_train, Y_train, 0);

排名(1)是“最具鉴别性”的特征还是排名(结束)?

提前谢谢

你好,
请确保正确编译了工具箱:
在./FSLib_v5.0_2017/lib/drtoolbox——>中运行mexall.m

你应该有这样的输出:

>> MEXALL.
编译…
建筑与gcc。
墨西哥人成功完成。
建筑与gcc。
墨西哥人成功完成。
建筑与gcc。
墨西哥人成功完成。
使用“g++”构建。
墨西哥人成功完成。
编译完成。

使用internal.stats.parseArgs时出错（第42行）
参数个数错误。

pca错误(第170行)
[vAlgorithm、vCenter、向量学、vNumComponents、vRows、vWeights，。。。

在intrinsic_dim错误(第197行)
[mappedX, mapping] = pca(X, size(X, 2));

Untitled12中的错误（第39行）
dd = intrinsic_dim (X,技术{2});

根据我们在ICCV 2017“无限潜在特征选择:基于概率潜在图的排序方法”中的实验，我们的ILFS是最稳定、鲁棒的监督FS技术。
本文结果如下:https://goo.gl/WiDmu2
要执行多类FS，您总是可以使用1对所有策略。
让我们考虑我们有4节课。
我们可以通过设置类标签来获得代表每个类的最佳子集：
标签1到类1标签-1到类2,3,4
sub2）标签1至2类标签-1至1、3、4类
Sub3）标记为1至3级，标签-1至1,2,4
标签1到类别4，标签-1到类别2,3,4
然后我们可以提取最大公共子集(交1、2、3、4)。

你好,
请从这个工具箱中为我推荐高维、多类数据(7类)的最佳监督特征选择方法。

你好,
每当我在训练数据和训练标签上使用mRMR方法时，MATLAB总是在使用它时崩溃。
有人有类似的问题吗?

>> fea,score] = mRMR(M,L,10) %其中M是X-train, L是Y-train，我想选择10个特征。
------------------------------------------------------------------------
在2017年8月13日星期日21:38:47检测到访问违规
------------------------------------------------------------------------
.
.
.

提前谢谢你!

谢谢你的贡献，我有一个关于拉普拉斯分数的问题。当我使用你的代码的例子是包含在您的代码中,关于constructW函数它给了我一个警告:“警告:这个函数已经改变和度规不再被支持”的延续,它给了我一个错误在LaplacianScore(有限元分析,W)功能:万博1manbetx
“subscript指数必须是真正的正整数或逻辑。”。正如我所说，实现是在RAND数据上完成的，该数据是您的代码说明中的示例。如果你解释原因，我会感激。

无限特征选择以有监督和无监督的方式工作，您可以通过设置参数sup=1（用于监督）或sup=0（无监督）进行选择。

[排名，w]=infFS（X_序列，Y_序列，alpha，sup，0）；

X_train是一个矩阵，标准的“设计矩阵”(参见Bishop, 2006)，每一行是一个样本，每一列是一个特征。
Y_列是标签的列向量，如果有两个类，该向量将如下所示：[1,1,1，-1，-1-1,1，-1，等等]'
Alpha是混合参数，可以设置Alpha = 0.9通常工作正常。

无法事先知道要使用多少特征，大多数FS方法只是根据特征的相关性程度对特征进行排序，因此您可以选择前N个特征并将其传递给分类器，以查看它们的工作方式。如果不够，你可以相应地增加N。。。

排名前N的特征可能是对分类贡献最大的特征
最好的事物！

Julien，我用ReliefF算法解决了一个类似的问题，效果非常好!
祝你好运

嗨，很抱歉问这个非常基础的问题。在二值分类任务中，这种方法可以用来识别哪些(视觉)特征对给定图像的分类贡献最大?谢谢。朱利安

你好,
我在相同的数据上运行了两次代码却得到了不同的结果，这有意义吗?
我使用了mrmr和fisher方法。
谢谢!
eliya。

我的评论消失了。
SVM- rfe是基于SVM的，所以
你把输入的数据规范化了吗?当输入在[0,1]范围内时，支持向量机工作得更好更快，
一个非常简单的方法是:X = X ./ sum(X,2)
2)检查在你的Y向量中是否有像[1 1 1 1 3 3 3 4 4 4 4 5 5 5 5]<-这里没有2，也许这会产生一个异常。在这种情况下，你应该重新分配标签如下:
[1 1 1 1 1 3 3 3 4 4 4 4 5 5 5 5]——> [1 1 1 1 1 1 1 2 2 2 2 3 3 3 4 4 4 4 4 4 4]

****抱歉"check if in your Y vector you have missing labels like[1 1 1 1 3 3 3 4 4 4 5 5 5 5] <-这里没有4，可能这会产生异常。"
我的意思是标签2缺少......在这样的情况下，您应该重新分配这样的标签：
[1 1 1 1 1 3 3 3 4 4 4 4 5 5 5 5]——> [1 1 1 1 1 1 1 2 2 2 2 3 3 3 4 4 4 4 4 4 4]
最好的

嗨，亲爱的乔治·罗福

我已经使用svm-rfe(FSLIB)为两个类似的数据集(臭氧和臭氧2)，但臭氧数据集正确运行和臭氧2数据集运行它不结束。

%函数SR = SVMRFEOzone (TrainData)
%%演示文件
fprintf（“\n特征选择工具箱v 4.0 2016-适用于Matlab\n”）；

%从列表中选择一个特征选择方法
listFS ={‘InfFS’,‘ecf’,‘mrmr’,‘relieff’,‘mutinffs’,‘fsv’,‘拉普拉斯算子’,‘mcf’,‘rfe’,‘10’,‘雪’,‘udf’,‘llcfs’,cfs的};

[方法] = ReadInput（listfs）;
selection_method=listFS{methodID}；%挑选出来的
%包括依赖关系
目录(' / lib。');%的依赖性
AddPath（'./方法'）;％FS方法

特征数量%
% numF = size(X_train,2);
vectorvote = 0 (72);
TrainData =负载(“ozone.mat”);
TrainData=TrainData.TrainData；

%训练数据的特征选择

X_train = TrainData (1:201 1:72);
Y_train = TrainData (1:201, 73);
排名=蜘蛛包装（X_系列，Y_系列，60，更低（'rfe'）；
61:72 rankingD =排序(排序(1));
rankingB =排序(排序(1一60));
vectorvote (rankingD (:)) = vectorvote (1, rankingD (:)) + 9;
TrainData (:, rankingD (:)) = [];
%--------------------------------------------------------------

X_train1 = TrainData(201:400一60);
Y_train1 = TrainData (201:400, 61);
ranking1 = spider_wrapper (X_train1 Y_train1 60,降低(rfe));
51:60 rankingD1 =排序(ranking1 (1));
rankingB1 =排序(ranking1 (1:50));
rankingB1 = rankingB (rankingB1 (:));
vectorvote (rankingB (rankingD1 (:))) = vectorvote (1, rankingB (rankingD1 (:))) + 8;
TrainData (:, rankingD1 (:)) = [];

% --------------------------------------------------------------
X_train2 = TrainData (401:600, 1:50);
Y_train2 = TrainData (401:600, 51);
排名2 = spider_wrapper（x_train2，y_train2,40，更低（'rfe'））;
41:50 rankingD2 =排序(ranking2 (1));
rankingB2 =排序(ranking2 (1, 1));
rankingB2 = rankingB1 (rankingB2 (:));
vectorvote (rankingB1 (rankingD2 (:))) = vectorvote (1, rankingB1 (rankingD2 (:))) + 7;
TrainData (:, rankingD2 (:)) = [];
%--------------------------------------------------------------
X_train3=列车数据（600:801,1:40）；
Y_train3 = TrainData (600:801, 41);
ranking3 = spider_wrapper (X_train3 Y_train3 30,降低(rfe));
31:40 rankingD3 =排序(ranking3 (1));
rankingB3 =排序(ranking3 (1:30));
rankingB3=rankingB2（rankingB3（：）；
vectorvote (rankingB2 (rankingD3 (:))) = vectorvote (1, rankingB2 (rankingD3 (:))) + 6;
TrainData (:, rankingD3 (:)) = [];
%--------------------------------------------------------------
X_train4=列车数据（802:1000,1:30）；
Y_Train4 = TrainData（802：1000,31）;
ranking4=三脚架包装（X_系列4，Y_系列4,25，下部（'rfe'）；
26:30 rankingD4 =排序(ranking4 (1));
rankingB4 =排序(ranking4 (1:25));
rankingB4 = rankingB3 (rankingB4 (:));
vectorvote (rankingB3 (rankingD4 (:))) = vectorvote (1, rankingB3 (rankingD4 (:))) + 5;
TrainData (:, rankingD4 (:)) = [];


TrainData1 =负载(“ozone2.mat”);
TrainData1 = TrainData1.xc11;

%训练数据的特征选择

X_train = TrainData1 (1:201 1:72);
Y_列车=列车数据1（1:201,73）；
排名=蜘蛛包装（X_系列，Y_系列，60，更低（'rfe'）；
61:72 rankingD =排序(排序(1));
rankingB =排序(排序(1一60));
vectorvote (rankingD (:)) = vectorvote (1, rankingD (:)) + 9;
TrainData (:, rankingD (:)) = [];
%--------------------------------------------------------------

X_train1 = TrainData1(201:400一60);
Y_train1 = TrainData1 (201:400, 61);
ranking1 = spider_wrapper (X_train1 Y_train1 60,降低(rfe));
51:60 rankingD1 =排序(ranking1 (1));
rankingB1 =排序(ranking1 (1:50));
rankingB1 = rankingB (rankingB1 (:));
vectorvote (rankingB (rankingD1 (:))) = vectorvote (1, rankingB (rankingD1 (:))) + 8;
TrainData (:, rankingD1 (:)) = [];

% --------------------------------------------------------------
X_train2 = TrainData1 (401:600, 1:50);
Y_train2=列车数据1（401:600,51）；
排名2 = spider_wrapper（x_train2，y_train2,40，更低（'rfe'））;
41:50 rankingD2 =排序(ranking2 (1));
rankingB2 =排序(ranking2 (1, 1));
rankingB2 = rankingB1 (rankingB2 (:));
vectorvote (rankingB1 (rankingD2 (:))) = vectorvote (1, rankingB1 (rankingD2 (:))) + 7;
TrainData (:, rankingD2 (:)) = [];
%--------------------------------------------------------------
X_train3 = TrainData1 (600:801, 40);
Y_train3 = TrainData1 (600:801, 41);
ranking3 = spider_wrapper (X_train3 Y_train3 30,降低(rfe));
31:40 rankingD3 =排序(ranking3 (1));
rankingB3 =排序(ranking3 (1:30));
rankingB3=rankingB2（rankingB3（：）；
vectorvote (rankingB2 (rankingD3 (:))) = vectorvote (1, rankingB2 (rankingD3 (:))) + 6;
TrainData (:, rankingD3 (:)) = [];
%--------------------------------------------------------------
X_train4 = TrainData1 (802:1000, 1:30);
Y_train4=列车数据1（802:1000,31）；
ranking4=三脚架包装（X_系列4，Y_系列4,25，下部（'rfe'）；
26:30 rankingD4 =排序(ranking4 (1));
rankingB4 =排序(ranking4 (1:25));
rankingB4 = rankingB3 (rankingB4 (:));
vectorvote (rankingB3 (rankingD4 (:))) = vectorvote (1, rankingB3 (rankingD4 (:))) + 5;
TrainData (:, rankingD4 (:)) = [];

嗨，乔治！
非常感谢您提供这个工具箱！
我有一个关于fisher线性判别的特征选择的问题。在关于工具箱的文章中，您引用了Gu等人提出的广义特征评分，但工具箱似乎执行了Duda等人2012定义的“简单”fisher选择。对吗?

这就跟你问声好！感谢您下载工具箱，某些技术可以为您提供功能的子集。但一般来说，他们只是执行排名步骤，在这种情况下，您可以决定选择先验的功能或使用任何形式的交叉验证来决定（粗略地）它们中有多少来维护。

非常感谢你们的宝贵贡献。
我刚刚下载了你开发的FSLib。我有一个问题。在特征排序过程之后，我们如何决定需要多少特征才能达到最好的准确性?

忘记下面的评论吧。发现Matlab编译器不是唯一可用的。顺便说一下，这个工具箱很好用。

想尝试这个，但我没有访问Matlab编译器。是否有预编译版本可用?(除了第一个评论中的死链接)谢谢!

FS的伟大工具，有很好的文档和优秀的README文件，包含各种方法的详细信息和参考。

我希望它可以用于多类或基于回归的功能选择，但我会看看我是否能找到一种方法使它成为可能。

--编辑：值得注意的是，这里使用的SVM工具“将在未来版本中删除”，并且在某个时候需要用更新的函数替换。

EDIT2:至少弄清楚了如何让费舍尔的多职业工作。对别人感兴趣:
1.将标签(Y)转换为nxm矩阵，其中m=类的数量，n=样本的数量(如Demo中值为-1或1)。
2.修改'spider_wrapper'第10行:a.method='classification';%可以是任意数字1-3，取决于您的方法偏好(参见FSLib_v4.2_2016/FSLib_v4.2_2016/FSLib_v4.2_2016/lib/@fisher/training的第60行。详情)
3.不要尝试使用支持向量机绘制结果，这对多类数据不起作用。选择功能后停止（Demo.m的第149行）。

嗨Davide，路径的'\'和'/'与您的操作系统（Linux或Windows）有关，所以也许您需要根据它切换到另一个，您是受欢迎的:)

嗨，乔治，谢谢你的建议。在make file的第9行，路径“/lib”下有一个\而不是/。干杯：）

嗨，Davide，你确定你编译了解决方案吗?在使用工具箱之前，您应该运行make文件，它似乎是一个mex文件丢失了，还检查将FSLib文件夹及其子文件夹包含到路径中。

ranking = spider_wrapper(X,Y,N_DS,lower('rfe'))触发堆栈错误跟踪:

未定义函数'libsvm_classifier_spider'用于类型为'cell'的输入参数。

svm/training中的错误(第225行)
[alpha，xsv，bias0] = libsvm_classifier_spider（{'x'，x}，{'y'，y}，...

算法/列车错误(第103行)
(dat,寒冷)=培训(藻类,dat);

rfe/training错误(第36行)
[res，a.child]=训练（未训练，dat）；

算法/列车错误(第103行)
(dat,寒冷)=培训(藻类,dat);

蜘蛛网包装中的错误（第12行）
[tr，a]=列车（a，dset）；

你能建议我怎么解决吗?

Hi David, info - fs是一个无监督的方法，但是在这个工具箱中，您可以找到该方法的两种变体。
function [ranking, WEIGHT] = infFS(X_train, Y_train, alpha, supervision, verbose)

设置Supmition = 0要使用无监督的版本，在这种情况下，您可以设置y_train = []

如果你想使用supervised版本，那么设置supervision=1并提供正确的类标签。

谢谢你的问题，
希望这可以帮助!

大家好，有一个关于infFS算法的问题。如果它是一个无监督的特征选择方法，为什么必须提供带有类标签的Y_train向量呢?

这个工具箱对多类数据有效吗？我有1320功能和3类数据，我需要功能选择阶段。但是这个工具箱不能处理我的数据。

我发现FSLib是一个非常有用的工具!非常感谢开发者!

嗨，谢谢你的反馈。我在zip中添加了“特征选择库（MATLAB工具箱）”一文。它讨论了最重要的FS方法。至于可用性，您可以在工具箱中找到一个演示文件，该文件旨在允许用户轻松地运行代码并使用工具箱提供的每个方法。

您好，您的工具箱似乎非常有趣，但您是否提供了任何“自述”文件或任何其他文档来学习如何使用它?
非常感谢!

太好了!谢谢你！

你好，非常感谢你来图书馆。我有一个问题。对于Fisher[6]方法，库是实现了Quanquan Gu等2012提出的广义Fisher Score(更复杂)，还是仅仅实现了经典的Fisher Score。谢谢你！

预编译的完整代码：http://giorgioroffo.it/projects/infFS/FSLib_v1.1.zip