如何應用遺傳算法來減少數據集中的屬性

Question

我有一個具有10個屬性的數據集，那麼我想減少數據集中的屬性，我想應用遺傳算法，但我有一點點對這個概念感到困惑，所以你可以給我任何例子。

Answer 1

如果您的目標是隻選擇最相關的屬性，那麼您絕對可以依賴遺傳算法，其中您的遺傳表示（也稱爲「遺傳密碼」或「染色體」）是一個二進制字符串。這意味着某個屬性可以存在（選擇）或不存在（未選中）。

你的遺傳密碼確實將是長度爲10的二進制字符串，你可以通過運行下面的循環選擇屬性的最佳設置：

1. 導入原始數據集
2. 從數據集選擇重要的特徵（根據在步驟＃2（*）
3. 列車選擇的特徵，在步驟＃1由遺傳密碼給出）
4. 收縮數據集（進口）和預測的分類
5. 評估適應度函數（例如錯誤率）
6. 轉到第2步，直到收斂（即幾代人的最大數目已創建）

所以GA做什麼，在更實際的方面，就是要創造N第一人口個人。對於每個人來說，由於這是第一批人羣，遺傳密碼在Matlab中默認是純隨機的（或者你可以編寫一個解釋如何選擇初始羣體的函數），並且對於每個人來說，步驟＃3，＃4和＃ 5被評估。一旦每個個體與某個適應值相匹配，GA就會通過遺傳算子（主要是交叉，精英主義和選擇）創建下一代（即下一代個體的遺傳密碼）。對於下一代個體，這樣的遺傳密碼從上一代的「最佳」（即，如果你的問題是最小化問題的最低適應值）開始評估。您可能需要檢查遺傳操作者，以及他們如何工作以更好地瞭解這種「生殖」過程。

如果你在Matlab中使用ga()函數，那麼輸入參數nvars將等於10; IntCon參數將具有值[1:10]，因爲您希望它們全部爲0或1;並且輸入參數option（功能gaoptimset()的輸出將具有以下參數）：上限是具有10個的向量，而下限是具有10個零的向量。 ga()函數將您的問題視爲最小化問題，所以我建議使用錯誤率作爲適應函數（或其他旨在最小化的其他方法）。
要指定一個二進制羣體，您可以依賴gaoptimset()中的PopulationType輸入，但我從未使用它，所以我建議您閱讀此功能的幫助（使用gaoptimset()您可以指定羣體中的個人數量以及GA在停止之前創建的代數......以及其他許多參數！）。 （*）注意：收縮數據集並不一定意味着您實際上通過遺傳算法刪除標記爲0的列（屬性）。這可能會弄亂模式之間的不相似性/距離評估。在評估不相似性度量時，您可以使用遺傳代碼作爲模式的權重：10-特徵模式乘以10-位遺傳密碼和將乘以零的特徵將不具有任何重要性（權重）在不相似的措施。

Answer 2

RapidMiner Studio在默認存儲庫中附帶了一些遺傳算法樣本。

//樣品/流程/ 04_Attributes/10_EvolutionaryFeatureSelection //樣品/流程/ 04_Attributes/12_EvolutionaryWeighting //樣品/流程/ 06_Meta/06_EvolutionaryParameterOptimization

的Optimize Selection (Evolutionary)運營商可能是使用運營商。如果您查看該操作員的幫助，則可以從那裏加載示例流程。該過程選擇最佳屬性以最大化分類模型的性能。

Answer 3

我相信你可以爲你的問題使用二進制遺傳算法特徵選擇。

http://www.mathworks.com/matlabcentral/fileexchange/46961-binary-genetic-algorithm-feature-selection-zip

也許該文件將幫助你在你的問題。他們甚至在代碼中包含他們的論文以便進一步理解。