模式识别 特征选择的遗传算法
目录
模式识别 特征选择的遗传算法 0
一、特征选择的遗传算法介绍 1
1.1 特征选择 1
1.2 遗传算法（Genetic Algorithm） 1
二、实验数据集介绍 4
2.1 Iris数据集介绍 4
2.2 Sonar数据集介绍 4
三、实验设置 4
3.1 算法流程 4
1、读取数据集，按照一定比例随机分为测试集、训练集 5
2、编码及种群的初始化： 5
3、开始迭代，直至达到指定的迭代次数： 5
3.2 在数据集上验证遗传算法 6
四、实验结果展示与分析 7
4.1 在iris数据集上验证遗传算法 7
4.2 在sonar数据集上验证遗传算法 8
4.3 总结 10
五、Python代码 10
一、特征选择的遗传算法介绍
1.1 特征选择
特征选择在概念上十分简单，即对原有特征进行删选优化。特征选择就是从原始特征中挑选出一些最有代表性、分类性能最好的特征进行分类。
特征选择要解决两个问题：如何确定选择的标准，如可分离性判据；如何构建快速寻优算法。
特征选择根据是否直接考虑分类器性能可以分为两种方法：
Filter方法：根据独立于分类器的指标J来评价所选择的特征子集S，在所有可能的特征子集中搜索出使得J最大的特征子集作为最优特征子集。 不考虑所使用的学习算法。
Wrapper方法：将特征选择和分类器结合在一起，在分类过程中表现优异的特征子集会被选中。
