《本文同步发布于“脑之说”微信公众号,欢迎搜索关注~~》

目前,机器学习在脑科学领域的应用可谓广泛而深入,不论你是做EEG/ERP研究,还是做MRI研究,都会看到机器学习的身影。机器学习最简单或者最常用的一个应用方向是分类,如疾病的分类。对于有监督机器学习(如我们常用的SVM)来说,首先需要提取特征值,特征值作为机器学习的输入进行训练,得到模型。但是,在实际的例子中,不太可能把提取到的所有特征值输入到机器学习模型中进行训练,这是因为过多维度的特征值往往会包括冗余成分,这不仅会大大降低学习速度,而且还会产生过拟合现象,进而影响机器学习模型的性能。最典型的列子是我们做MRI研究,可能会提取到上万个特征值。因此,我们需要首先对提取到的特征值进行特征选择,去除冗余特征,即所谓的特征降维。

目前,特征降维的方法很多,而F-score是其中比较简单和有效的方法,也是很常用的一种方法。今天,笔者在这里就详细讲解一下F-score如何计算,并给出Matlab程序。

第i个特征的F-score的计算公式如下所示:

其中,图片表示第i个特征中正类特征值的平均值,图片表示第i个特征中负类特征值的平均值,图片表示第i个特征所有特征值的平均值,n+表示第i个特征中正类特征值的个数,n-表示第i个特征中负类特征值的个数,图片表示正类特征值中第k个特征值,图片表示负类特征值中第k个特征值。

对于F-score需要说明一下几点:

1.一般来说,特征的F-score越大,这个特征用于分类的价值就越大;

2.在机器学习的实际应用中,一般的做法是,先计算出所有维度特征的F-score,然后选择F-score最大的N个特征输入到机器学习的模型中进行训练;而这个N到底取多少合适,需要你自己进行尝试;

3.F-score只适用于二分类,对于多分类的应用,可以考虑采用其他的特征选择方法;

4.F-score与SVM相结合,可以达到较好的分类效果。

f score matlab,机器学习中如何用F-score进行特征选择相关推荐

  1. 医学假阴性?看看在机器学习中如何用来衡量分类模型的效果(附代码)

    来源:数据鸽 本文约1500字,建议阅读5分钟. 本篇我们来看下医学假阴性在机器学习中是如何用来衡量预测结果好坏的. 近日来,新冠肺炎核酸检测"假阴性"引起了关注.所谓的假阴性,就 ...

  2. matlab 归一化_机器学习中如何用Fscore进行特征选择(附Matlab代码)

    作者:kervin 编辑:阿吉 目前,机器学习在脑科学领域的应用可谓广泛而深入,不论你是做EEG/ERP研究,还是做MRI研究,都会看到机器学习的身影.机器学习最简单或者最常用的一个应用方向是分类,如 ...

  3. 机器学习中的评价指标--1[F,P,R]

    机器学习中的评价指标--1[F,P,R] 机器学习中的评价指标 1.关于 P.R 值 2.F值的计算 3.其它 4.参考 5.附录 机器学习中的评价指标 关于这一部分,我将在遇到的时候,进行简要的说明 ...

  4. 机器学习中的数学原理——F值与交叉验证

    通过这篇博客,你将清晰的明白什么是F值.交叉验证.这个专栏名为白话机器学习中数学学习笔记,主要是用来分享一下我在 机器学习中的学习笔记及一些感悟,也希望对你的学习有帮助哦!感兴趣的小伙伴欢迎私信或者评 ...

  5. 高中课本“函数近代严格定义”有赤裸裸错误 ——y=f(x)中的对应法则f≠函数y=f(x)

     高中课本"函数近代严格定义"有赤裸裸错误                     --y=f(x)中的对应法则f≠函数y=f(x) 黄小宁(通讯:广州市华南师大南区9-303 邮 ...

  6. python特征选择的过程_【来点干货】机器学习中常用的特征选择方法及非常详细的Python实例...

    花费了很长时间整理编辑,转载请联系作者授权,违者必究. 特征选择(Feature selection)是在构建预测模型的过程中减少输入变量的一个过程.它是机器学习中非常重要的一步并在很大程度上可以提高 ...

  7. 机器学习中的范数理解(L0,L1,L2)

    监督机器学习就是规则化参数的同时最小化误差. 有监督学习的样本都是带有标签的样本,用 yyy 来表示样本的标签,我们通过算法来提取样本特征并对其进行分类或回归,得到结果 y1=WTx" ro ...

  8. MATLAB机器学习进阶

    本文借鉴了数学建模清风老师的课件与思路,可以点击查看链接查看清风老师视频讲解:清风数学建模:https://www.bilibili.com/video/BV1DW411s7wi 目录 一.K最近邻( ...

  9. Score Function Trick及其在机器学习中的应用

    引 机器学习中有很多有意思的 Trick,Deepmind 的 Shakir Mohamed (http://blog.shakirm.com) 维护了一个高质量的博客,其中写了一系列的机器学习 Tr ...

最新文章

  1. 家里宽带628连不上_连不上无线网络?到底是路由器还是电脑的“锅”,看完这篇就知道...
  2. 设计模式C++实现(7)——外观模式、组合模式
  3. 2018年第九届蓝桥杯 - 省赛 - C/C++大学A组 - A. 分数
  4. 推荐几个Android开发非常有用的工具(for android studio)
  5. 唯品会2017年双11大促技术保障实践,全域提供25万QPS服务能力
  6. Mac下常用按键符号⌘(command)、⌥(option)、⇧(shift)、⇪(caps lock)、⌃(control)、↩(return)、⌅(enter)
  7. Mac小知识:只需四步,教大家如何修改苹果电脑的DNS
  8. linux刷wes7,WES7——Win7的嵌入式操作系统
  9. tbopen链接生成工具_影视、航空行业都在用的短链接工具,免费短链接生成器?...
  10. 网络中的公网和内网 (ipv4)
  11. 使用ShareX+sm.ms实现截图后自动上传图片至图床
  12. vivos9保密柜从哪里进
  13. 添加https证书信任
  14. 【Faster R-CNN论文精度系列】从Faster R-CNN源码中,我们“学习”到了什么?
  15. 【时间之外】面向监狱的编程?该学学网络安全法了(3)
  16. linux下socket编程(基础参考)
  17. 用modprobe 加载模块时,提示模块找不到的问题
  18. 2016新华三杯复赛实验试题
  19. 中科院分区表中分区上升的TOP期刊, 最快仅1-2个月录用
  20. CSUOJ 1808 地铁

热门文章

  1. sqlyog怎么设置默认值_如何使用SQLyog
  2. Python高级专题 - 类型转换的魔术方法
  3. AcWing 842. 排列数字(DFS)
  4. 有服主传送玩家指令_我的世界:不用指令能够到达边境之地吗?实验证明,根本就不可能...
  5. Microsfot Office Communicator 聊天记录 外挂
  6. 加速网站速度的最佳做法_(2)把样式表放在顶部
  7. 吸猫就吸Tomcat之Pipeline-Valve巧妙设计
  8. 多币种钱包开发:什么是工作量证明(POW)?
  9. Android API级别、代号、发布时间及平台亮点整理
  10. 骚年,还在为歌荒发愁吗?python教你爬取网易云热门歌单