机器学习(一)——递归特征消除法实现SVM(matlab)
机器学习方法对多维特征数据进行分类:本文用到非常经典的机器学习方法,使用递归特征消除进行特征选择,使用支持向量机构建分类模型,使用留一交叉验证的方法来评判模型的性能。
构建模型:支持向量机(Support Vector Machine,SVM);
特征选择:递归特征消除(Recursive Feature Elimination,RFE);
交叉验证:留一交叉验证(Leave one out cross validation,LOOCV)。
下面本问将逐一开始介绍这些方法。
支持向量机
适用场景:
1、只能用于2分类任务
2、目的是寻找一个超平面来对样本进行分割
3、注意:构建超平面不一定用到所有样本,只用到距离超平面最近的那些样本
模型调参:
1、当样本之间线性可分时,选用线性核函数(linear kernel)构建分类模型。
2、当模型线性不可分时候,需要适用非线性核函数(rbf,Gaussian,Polynomial)将数据分布映射到更高维的空间中来构建超平面,进而来构建分类模型。
3、选择哪种核函数,一般通过改变核函数来比较模型的分类性能来确定。matlab中自带的核函数只有四种,如果需要使用其他核函数请自行下载相关软件包。
递归特征消除
作用:
1、降低特征维度
2、选择最优的特征组合,使模型达到最好的分类效果(类似于贪心算法)。
步骤:
1、对于一个具有n维特征的数据集合,首先用n维特征构建SVM分类器模型,通过交叉验证的方法计算模型的分类准确性。
2、从当前特征集合中依次移除每一个特征,然后用剩下特征构建分类模型,使用交叉验证的方法计算特征移除后的分类准确率。
3、若某特征移除后模型的分类准确率反而上升,则该特征对分类模型没有贡献度,则将该特征移除,剩下特征作为保留特征。
4、使用剩下特征重复步骤2,直到所有的特征子集为空后便可以得到n个模型,选择分类准确率最高的特征集合作为最优的特征集合。
留一交叉验证
适用场景:
小样本构建分类模型,当样本量很小时,不足以区分单独的训练集和测试集时,通常使用这种方法。该方法的基本思想就是,当有n个样本的情况下,依次保留其中1个样本,用剩下n-1个样本构建分类模型,用保留的样本进行测试。这样就可以得到n个模型,计算这n个模型分类结果的平均值就可以得到在该数据分布情况下,使用某种分类方法构建分类模型的性能。
matlab实现的代码如下:
labels = res(:, 1);
features = res(:, 2:end);
features=zscore(features);%特征进行归一化
% 加载数据集并准备标签和特征数组
[num_samples, num_features] = size(features);
selected_indices = 1:num_features; % 初始选定所有特征的索引
selected_features_history = cell(num_features, num_features); % 存储选定的特征历史记录
accuracy_history = zeros(num_features, num_features); % 存储准确率历史记录
feature_to_remove = -1;
% 开始逐步特征选择
for i = 1:num_features
best_accuracy = 0;
temp_indices = selected_indices; % 创建临时特征索引列表
% 对每个特征进行评估
for j = 1:length(temp_indices)
features_subset = temp_indices(temp_indices ~= j);%去除特征后输入分类器的特征
[num1,num2]=size(features_subset);
% 使用留一交叉验证评估SVM分类器性能
accuracy = 0;
for k = 1:num_samples
% 留一样本作为验证集,其余样本作为训练集
train_features = features(:, features_subset);
train_features(k, :) = []; % 删除验证样本的特征
train_labels = labels;
train_labels(k) = []; % 删除验证样本的标签
test_feature = features(k, features_subset);
test_label = labels(k);
% 训练SVM模型
svm_model = fitcsvm(train_features, train_labels, 'KernelFunction', 'linear');
% 在验证集上进行预测并计算准确率
predicted_label = predict(svm_model, test_feature);
if predicted_label == test_label
accuracy = accuracy + 1;
end
end
accuracy = accuracy / num_samples; % 计算准确率
accuracy_history(i,j)=accuracy; %将每次分类的准确率存到一个数组中
selected_features_history{i,j} = features_subset;%将每次分类用到的特征存到一个数组里
%temp_indices
% 如果当前特征组合的准确率更高,则更新最佳特征及其对应的准确率
if (accuracy_history(i,j) > best_accuracy)
best_accuracy = accuracy_history(i,j);
feature_to_remove = temp_indices(j);
end
end
% 删除性能下降最快的特征
selected_indices = selected_indices(selected_indices ~= feature_to_remove);
% selected_features_history{i} = selected_indices; % 更新选定的特征历史记录
% accuracy_history(i) = best_accuracy; % 更新准确率历史记录
disp(['Removed feature index: ', num2str(feature_to_remove)]);
end
[max_value, max_index] = max(accuracy_history(:));
% max_value 将是数组中的最大值
% max_index 将是数组中最大值所在的位置(线性索引)
[row, col] = ind2sub(size(accuracy_history), max_index);
% row 和 col 将是数组中最大值的行和列索引
% 输出最终选定的特征索引
% disp('最优的分类准确性为');
% disp(max_value);
disp('对应的选择的特征索引为:');
disp(selected_features_history{row,col});
%利用选出来的特征重新建模求准确率
features_new=features(:,selected_features_history{row,col});
%features_new=features;
% lables是样本标签
predictedScores=zeros(56,2);
accuracy_new=0;
for k = 1:num_samples
% 留一样本作为验证集,其余样本作为训练集
train_features = features_new(:,:);
train_features(k, :) = []; % 删除验证样本的特征
train_labels = labels;
train_labels(k) = []; % 删除验证样本的标签
test_feature = features_new(k,:);
test_label = labels(k);
% 训练SVM模型
svm_model = fitcsvm(train_features, train_labels, 'KernelFunction', 'linear');
% 在验证集上进行预测并计算准确率
% predicted_label = predict(svm_model, test_feature);
[predicted_label,predictedScore] = predict(svm_model, test_feature);
predictedScores(k,:)=predictedScore;
if predicted_label == test_label
accuracy_new = accuracy_new + 1;
end
end
accuracy_new = accuracy_new / num_samples; % 计算准确率
% 输出最终选定的特征索引
disp('最优的分类准确性为');
disp(accuracy_new);```