python中使用mRMR
mRMR
Max-Relevance and Min-Redundancy
最大相关 - 最小冗余
相信读到这篇博客的你，应该是知道mRMR的原理的，所以就不再解释了
pymrmr模块
安装
pip install numpy Cython
pip install pymrmr
在windows上有可能会出现:
error: Microsoft Visual C++ 14.0 is required这样的错误
我用的是Ubuntu，linux就是好
使用
import pymrmr .... pymrmr.mRMR(df, 'MIQ', 10) ....
参数说明
上面的代码省略了很多，大概看个样子就好了
- 参数1
pandas.DataFrame
第一列要是目标量
其他列要是特征量
最神奇的是，列的名称要是字符串 - 参数2
str
内部选择的方法，有两种取值‘MID’和’MIQ’ - 参数3
int
要选取的特征数量
问题
说说我遇到的问题：
我要处理的数据有3000+行、20000+列，运行到一半就会报一个内存错误
能想到的方法:
- 去改变模块的源码(未成功)
去看了这个模块的源码，竟然是熟悉的c++，然后看看了，感觉看懂了，之间将其开辟空间的地方直接改成自己需要的，然后。。。。。。。 - 使用mrmr程序
地址
这个是在pymrmr的github上看到的，可以在线执行mrmr，不过提交的数据不能超过2MB，然后往下翻，能看到这个
根据自己的系统下载可执行文件，在终端执行
可以看到其参数，就没在这里解释其参数了，值得注意的是，如果数据太大的要，要手动设置行和列。
演示这个我用的是win10，因为我是双系统啊，双系统就是好
如果在加上os.system()就能不需要单独去运行这个程序了，这里没给出实现方法
mifs模块
安装
好像没有pip install的样子
得从上面的github链接，clone或者下载下来
在此之前需要安装
scipy(>=0.17.0)
numpy(>=1.10.4)
scikit-learn(>=0.17.1)
bottleneck(>=1.1.0)
再进入下载的目录执行
python setup.py install
使用
import mifs .... feat_selector = mifs.MutualInformationFeatureSelector(method='MRMR') # 参数说明 # method: str, 互信息的特征选择方法，取值有'JMI','JMIM','MRMR' # n_features: int or str, 需要选择出的特征数量 # verbose: int, 在运行的时候，输出的详细星x系的程度， 取值0,1,2，可以自己试试看看效果 feat_selector.fit(x, y) # 说明 # x 特征矩阵,推荐是numpy.array，pandas.DataFrame好像不行呢 # y 标签值，推荐是numpy.array feat_selector.ranking_ # 得到列的索引，从0开始 ....
问题
能直接跑很大的数据，但是运行时间就有点一言难尽了
总结
这两种或者三种方法，有时得出的结果是不一样的，如果不想去探究原因的话，就使用对模型更加有作用的结果。
上面的过程有点省略，有什么问题或者不明白的，可以私信我。
