最大相关 - 最小冗余（mRMR）特征选择

彭等人提出了一种特征选择方法，可以使用互信息，相关或距离/相似性分数来选择特征。目的是在存在其他所选特征的情况下通过其冗余来惩罚特征的相关性。特征集S与类c的相关性由各个特征f i和类c之间的所有互信息值的平均值定义，如下所示：   集合S中所有特征的冗余是特征f i和特征f j之间的所有互信息值的平均值：   mRMR标准是上面给出的两种措施的组合，定义如下：   如果使用增量搜索方法(incr

>>阅读原文<<