上次說到了在特徵子集 Q 之下
被特徵子集 P 細分的程度
如果是 1 則表示 P 可以完全分類 Q
如果是 0 則表示 P 完全無法分類 Q
接下來要來說如何用這個做特徵選取
就如同之前說的
特徵選擇不外乎幾個步驟
選定模型 → 更新特徵子集 → 計算模型表現力
在這裡我們選用粗糙集
並更新特徵子集 P
模型表現力用細分程度衡量
選取流程如論文中的圖
其實細細品味一下
你會發現這其實就是向前特徵選取~XD
所以自然你也可以用類似的方法
做向後特徵選擇
我覺得這篇論文寫得很好
最好的地方是它有許多的例子
可以邊讀邊跟著他計算、對答案
確保自己的理解是正確的
所以如果你對 fuzzy-rough feature selection 有興趣可以看看這篇
可(開)惜(心)接下來的時間不夠細說他接下來的 fuzzy 部份了!!
iThome鐵人賽
看影片追技術