SVM-RFE是一个强大的特征选择算法在生物信息学。这是一个不错的选择,以避免过度拟合特性高的数量。
然而,它可能是偏见当有高度相关的特性。我们提出一个“相关性减少偏见”的策略来处理它。看到我们的论文(Yan et al .,特征选择和分析相关的气体传感器数据与递归特性消除”,2015)。
这个文件是我们的实现方法和原始SVM-RFE,包括线性和RBF内核。* *需要LibSVM * *
由于SVM-KM和蜘蛛的工具箱!
引用作为
柯燕(2023)。特征选择与SVM-RFE(//www.tianjin-qmedu.com/matlabcentral/fileexchange/50701-feature-selection-with-svm-rfe), MATLAB中央文件交换。检索。
