Python实现基于邻域粗糙集的多标记特征选择算法

邻域粗糙集的多标记特征选择算法"/>

Python实现基于邻域粗糙集的多标记特征选择算法

算法思想源自论文：

段洁、胡清华、张灵均，等. 基于邻域粗糙集的多标记分类特征选择算法 [J]. 计算机研究与发展，2015，52(1):56-65

因为没找到Python源代码，所以自己试着写了一下，结果是对应上的。
代码分享在这里，需要的自取

"""Author: wzkDate:   2020-10-11theme:  多标记邻域粗糙集特征选择算法
"""
from settings.setting import *class ARMLNRS:"""基于邻域粗糙集的多标签特征选择可以用欧式距离处理连续类型的数据集1、输入数据集，训练集2、双重for循环，二重循环下，计算当前属性依赖度3、前向贪心搜索"""def __init__(self, train_data, train_target, test_data, test_target, delta, info):"""初始化对象参数:param train_data: 训练集数据:param train_target: 训练集标签:param test_data: 测试集数据:param test_target: 测试集标签:param delta: δ邻域的值，:param info: Config项中的配置，实验结果记录会用到这个"""self.train_data = train_dataself.train_target = train_targetself.test_data = test_dataself.test_target = test_targetself.info = infoself.delta = deltapassdef compute_corr(self, i, j, tmp_train_data):"""计算相关性:param i: 循环第i次:param j: 当前特征:param tmp_train_data: 临时数据:return: """if i ==