基于互信息的特征选择算法MATLAB实现

uqHZau

在概率论和信息论中，两个随机变量的互信息（Mutual Information，简称MI）或转移信息（transinformation）是变量间相互依赖性的量度。不同于相关系数，互信息并不局限于实值随机变量，它更加一般且决定着联合分布 p(X,Y) 和分解的边缘分布的乘积 p(X)p(Y) 的相似程度。互信息(Mutual Information)是度量两个事件集合之间的相关性(mutual dependence)。互信息最常用的单位是bit。
3 W' w0 M8 E, ?# W  R: o9 t
互信息的定义
! q1 n8 f7 c2 h/ _: ~2 @6 B正式地，两个离散随机变量 X 和 Y 的互信息可以定义为：
! R! c1 B; W+ i; O- P( K
- y$ X, O; j6 U2 \其中 p(x,y) 是 X 和 Y 的联合概率分布函数，而p(x)和p(y)分别是 X 和 Y 的边缘概率分布函数。



9 g: G0 w7 U) Q2 B在连续随机变量的情形下，求和被替换成了二重定积分：

! W) c, O7 y' o# V3 \

* k/ }0 F, L9 l: B4 }$ a0 h其中 p(x,y) 当前是 X 和 Y 的联合概率密度函数，而p(x)和p(y)分别是 X 和 Y 的边缘概率密度函数。
  d% H" @, x# s5 ^4 j0 j
互信息量I(xi;yj)在联合概率空间P(XY)中的统计平均值。 平均互信息I(X;Y)克服了互信息量I(xi;yj)的随机性,成为一个确定的量。如果对数以 2 为基底，互信息的单位是bit。
6 b6 Y* u. U- u0 X6 `
9 Y2 `2 i- B+ X+ o  i! m: s# i直观上，互信息度量 X 和 Y 共享的信息：它度量知道这两个变量其中一个，对另一个不确定度减少的程度。例如，如果 X 和 Y 相互独立，则知道 X 不对 Y 提供任何信息，反之亦然，所以它们的互信息为零。在另一个极端，如果 X 是 Y 的一个确定性函数，且 Y 也是 X 的一个确定性函数，那么传递的所有信息被 X 和 Y 共享：知道 X 决定 Y 的值，反之亦然。因此，在此情形互信息与 Y（或 X）单独包含的不确定度相同，称作 Y（或 X）的熵。而且，这个互信息与 X 的熵和 Y 的熵相同。（这种情形的一个非常特殊的情况是当 X 和 Y 为相同随机变量时。）
3 f' O* T6 @  D
互信息是 X 和 Y 联合分布相对于假定 X 和 Y 独立情况下的联合分布之间的内在依赖性。于是互信息以下面方式度量依赖性：I(X; Y) = 0 当且仅当 X 和 Y 为独立随机变量。从一个方向很容易看出：当 X 和 Y 独立时，p(x,y) = p(x) p(y)，因此：
3 G! a8 c( j. f  `% B) y
$ _" H" B) u1 T; t- \% [5 y0 k

8 p# C$ C0 D$ a. h& [5 R- [& }此外，互信息是非负的（即 I(X;Y) ≥ 0; 见下文），而且是对称的（即 I(X;Y) = I(Y;X)）。
* B3 f( \) z9 x9 y
+ [* D6 k4 M/ @2 d% }& o8 r互信息特征选择算法的步骤

• ①划分数据集
• ②利用互信息对特征进行排序
• ③选择前n个特征利用SVM进行训练
• ④在测试集上评价特征子集计算错误率
  4 `* u# ~- e7 X. v- {

缺点
此种特征选择方法是最大化特征与分类变量之间的相关度，就是选择与分类变量拥有最高相关度的前k个变量。但是，在特征选择中，单个好的特征的组合并不能增加分类器的性能，因为有可能特征之间是高度相关的，这就导致了特征变量的冗余。
% C$ I4 E/ w+ D( u1 O! m
代码
注意使用的数据集是dlbcl，大概五千多维，可以从UCI上下载，最终选择前100特征进行训练。
2 W% Y; a2 d) ?8 {: L" u: k) U
主函数代码：

• clear all
• close all
• clc;
• [X_train,Y_train,X_test,Y_test] = divide_dlbcl();
• Y_train(Y_train==0)=-1;
• Y_test(Y_test==0)=-1;
• % number of features
• numF = size(X_train,2);
• [ ranking , w] = mutInfFS( X_train, Y_train, numF );
• k = 100; % select the Top 2 features
• svmStruct = svmtrain(X_train(:,ranking(1:k)),Y_train,'showplot',true);
• C = svmclassify(svmStruct,X_test(:,ranking(1:k)),'showplot',true);
• err_rate = sum(Y_test~= C)/size(X_test,1); % mis-classification rate
• conMat = confusionmat(Y_test,C); % the confusion matrix
• fprintf('\nAccuracy: %.2f%%, Error-Rate: %.2f \n',100*(1-err_rate),err_rate);
  

   
7 [4 V0 E& w, C7 \  ?  U  P
) _+ t3 z4 N: b' D$ PmutInfFS.m

  O! {) v  a+ t1 [# j. x- Y

• function [ rank , w] = mutInfFS( X,Y,numF )
• rank = [];
• for i = 1:size(X,2)
•     rank = [rank; -muteinf(X(:,i),Y) i];
• end;
• rank = sortrows(rank,1);
• w = rank(1:numF, 1);
• rank = rank(1:numF, 2);
• end
  

0 [  h8 Y' L+ g' _% V3 G$ u7 ^
2 ~% p/ c# i. Fmuteinf.m
* k6 ]2 u0 ?3 D9 B# |# N8 N& }3 o

• function info = muteinf(A, Y)
• n = size(A,1);%实例数量
• Z = [A Y];%所有实例的维度值及标签
• if(n/10 > 20)
•     nbins = 20;
• else
•     nbins = max(floor(n/10),10);%设置区间的个数
• end;
• pA = hist(A, nbins);%min(A)到max(A)划分出nbins个区间出来，求每个区间的概率
• pA = pA ./ n;%除以实例数量
• i = find(pA == 0);
• pA(i) = 0.00001;%不能使某一区间的概率为0
• od = size(Y,2);%一个维度
• cl = od;
• %下面是求实例不同标签的的概率值，也就是频率
• if(od == 1)
•     pY = [length(find(Y==+1)) length(find(Y==-1))] / n;
•     cl = 2;
• else
•     pY = zeros(1,od);
•     for i=1：od
•         pY(i) = length(find(Y==+1));
•     end;
•     pY = pY / n;
• end;
• p = zeros(cl,nbins);
• rx = abs(max(A) - min(A)) / nbins;%每个区间长度
• for i = 1:cl
•     xl = min(A);%变量的下界
•     for j = 1:nbins
•         if(i == 2) && (od == 1)
•             interval = (xl <= Z(:,1)) & (Z(:,2) == -1);
•         else
•             interval = (xl <= Z(:,1)) & (Z(:,i+1) == +1);
•         end;
•         if(j < nbins)
•             interval = interval & (Z(:,1) < xl + rx);
•         end;
•         %find(interval)
•         p(i,j) = length(find(interval));
•         if p(i,j) == 0 % hack!
•             p(i,j) = 0.00001;
•         end
•         xl = xl + rx;
•     end;
• end;
• HA = -sum(pA .* log(pA));%计算当前维度的信息熵
• HY = -sum(pY .* log(pY));%计算标签的信息熵
• pA = repmat(pA,cl,1);
• pY = repmat(pY',1,nbins);
• p = p ./ n;
• info = sum(sum(p .* log(p ./ (pA .* pY))));
• info = 2 * info ./ (HA + HY);%计算互信息
  

   
% {0 P3 |) s+ e0 ?
" V+ [( f7 m  D* j6 z4 J5 [+ E前100个特征的效果：
" ^6 n" N% P. B3 j1 d, H
Accuracy: 86.36%, Error-Rate: 0.14
& q# o" C) I  Y# A" ]! x- M# |
8 y0 a/ W# c9 E选择前两个特征进行训练（压缩率接近100%,把上述代码中的K设为2即可）的二维图：



* b  B# M# _" y. ~5 E/ uAccuracy: 75.00%, Error-Rate: 0.25

ExxNEN

基于互信息的特征选择算法MATLAB实现