在上篇我們有用到wine這個內鍵數據集，今天一樣要用它來帶大家挑出主要影響分類的屬性!我們開始著手吧~

分類型數據集評估

在上篇有說到，這組數據為義大利同一地區生產的葡萄酒所進行化學分析的結果，而它包含13個屬性，並呈現出各種化學成分的量，但這麼多屬性，哪些是區分葡萄酒重要的成分?
於本篇，我們將要用rank中的幾種方式來對各屬性進行評分!

補充說明

• Information Gain(資訊增益): 由母集合切割成各個子集合，依其評估分類屬性對於資料均勻性的提升或減損程度。
• Gain Ratio(增益率):表示節點的訊息與節點分裂訊息程度的比值。
• Gini Index(基尼指數Gini Index): 從數據集中隨機選取兩個樣本，其類別標記不一致的概率。
• ANOVA(變異數分析):一種統計公式，用於比較不同組的均值（或平均值）之間的變異。
• χ² (Chi2/卡方檢驗/Chi-square test):為計數資料的假設檢驗方法，它屬於非參數檢驗，主要是比較兩個或兩個以上的樣本率，和兩個分類變數的關聯性分析。
• Relief F: 用於處理目標屬性為連續值的回歸問題，採用過濾器方法，來進行對特徵交互作用特別敏感的類別選擇。
• FCBF(Fast Correlation-Based Filter Solution):為採用逆向工程，而它用對稱不確定性作為相關程度評估標準，每次選擇一個顯著特徵並刪除它的所有多餘特徵。

右上可選評分方式，而左下則可選擇要選取的屬性，在此我選最下方的選項，讓電腦幫忙選出最佳排序的五個屬性(特徵)，並且輸出。

再來，連接「Box Plot」，查看剛剛選出來的五個屬性，在這上面將會顯示它們的平均值、中間值、平方差與四分位數。

那我們可以經由點擊右方的不同屬性，會發現到Flavanoids這個屬性將數據分最好!

再來，我們也可以用另一個「Distributions」組件來看數據在不同屬性下的分布。

從這裡看，我們依然會得出Flavanoids為最佳屬性的代表，因為曲線圖的凸點明顯，且重疊處相較於其他屬性少，它可以將葡萄酒分類良好。

迴歸型數據集評估

那以上資料為分類型數據(非連續性的)，而Rank其實也可以將迴歸資料進行評估喔，我們試試Datasets裡的「Housing」數據集吧!

由此筆數據集，來了解波士頓郊區房價與其最高的屬性，而連接好後，點開Rank查看會發現居民的經濟狀況和平均住房數為主要因素。

補充說明

• CRIM: 城鎮人均犯罪率
• ZN: 住宅用地所佔比例
• INDUS: 城鎮中非住宅用地所佔比例
• CHAS: 虛擬變數
• NOX: 環保指數
• RM: 每棟住宅的房間數
• AGE: 1940 年以前建成的自住單位的比例
• DIS: 距離 5 個波士頓的就業中心的加權距離
• RAD: 距離高速公路的便利指數
• TAX: 每一萬美元的不動產稅率
• PTRATIO: 城鎮中的教師學生比例
• B: 關於黑人比例的引數
• LSTAT: 地區中有多少房東屬於低收入人群
• MEDV: 自住房屋房價中位數（等同於均價），單位 $1000 美元

好啦~今天進度就先到這裡囉，大家有其他想測試的文件也可以套用看看囉!

參考資料:
Relief
Orange
卡方檢驗
增益率Gain ratio
基尼指數Gini Index
特徵選擇之FCBF算法
特徵選擇----relief及reliefF算法
什麼是變異數分析（ANOVA）？
線性迴歸 Statsmodels 模型預測波士頓房價
分類適用屬性的選定(Information Gain) – Medium