[发明专利]一种基于互信息的区间数据的属性选择方法

摘要

本发明提供一种基于互信息的区间数据的属性选择方法，包括：计算n个样本数据中任一属性列及目标属性列的信息熵，并将n个样本数据中的任一属性列拆分成属性列上限数据和属性列下限数据，和将目标属性列拆分成目标属性列上限数据和目标属性列下限数据；计算n个样本数据中任一属性列与目标属性列的联合熵；计算n个样本数据中任一属性列与目标属性列的互信息值，及属性列之间的互信息值；根据计算得到的互信息值进行属性选择，将n个样本数据中m个属性列按照属性重要度排序，并将排序后的属性列分别置于属性子集；根据属性评估指标评估每一个属性子集以获取最优属性子集。本发明减少了计算的复杂度，提升了计算效率，提高了属性选择准确度。

主权项

一种基于互信息的区间数据的属性选择方法，藉由多台服务器及客户端构建的计算机系统中，应用于一区间数据集中，所述区间数据集包括n个样本数据，每一个样本数据具有m个属性列和1个目标属性列，其中，n，m为大于1的正整数，其特征在于，所述基于互信息的区间数据的属性选择方法包括：计算n个样本数据中任一属性列及目标属性列的信息熵，并将所述n个样本数据中的任一属性列拆分成属性列上限数据和属性列下限数据，和将所述目标属性列拆分成目标属性列上限数据和目标属性列下限数据；计算n个样本数据中任一属性列与所述目标属性列的联合熵；根据计算得到的n个样本数据中任一属性列及目标属性列的信息熵及n个样本数据中任一属性列与所述目标属性列的联合熵，计算n个样本数据中任一属性列与所述目标属性列的互信息值，及属性列之间的互信息值；根据计算得到的互信息值进行属性选择，将n个样本数据中m个属性列按照属性重要度排序，并将排序后的属性列分别置于属性子集；其中，所述属性子集为m个，包括第一属性子集，第二属性子集，…，第m属性子集；所述第一属性子集包括第一属性列，所述第二属性子集包括第一属性列和第二属性列，…，所述第m属性子集包括第一属性列、第二属性列、第m属性列；所述第一属性列、第二属性列、第m属性列是按照属性重要度排序的。根据属性评估指标评估每一个属性子集以获取最优属性子集。