如何应用遗传算法来减少数据集中的属性

Question

我有一个具有10个属性的数据集，那么我想减少数据集中的属性，我想应用遗传算法，但我有一点点对这个概念感到困惑，所以你可以给我任何例子。

Answer 1

如果您的目标是只选择最相关的属性，那么您绝对可以依赖遗传算法，其中您的遗传表示（也称为“遗传密码”或“染色体”）是一个二进制字符串。这意味着某个属性可以存在（选择）或不存在（未选中）。

你的遗传密码确实将是长度为10的二进制字符串，你可以通过运行下面的循环选择属性的最佳设置：

1. 导入原始数据集
2. 从数据集选择重要的特征（根据在步骤＃2（*）
3. 列车选择的特征，在步骤＃1由遗传密码给出）
4. 收缩数据集（进口）和预测的分类
5. 评估适应度函数（例如错误率）
6. 转到第2步，直到收敛（即几代人的最大数目已创建）

所以GA做什么，在更实际的方面，就是要创造N第一人口个人。对于每个人来说，由于这是第一批人群，遗传密码在Matlab中默认是纯随机的（或者你可以编写一个解释如何选择初始群体的函数），并且对于每个人来说，步骤＃3，＃4和＃ 5被评估。一旦每个个体与某个适应值相匹配，GA就会通过遗传算子（主要是交叉，精英主义和选择）创建下一代（即下一代个体的遗传密码）。对于下一代个体，这样的遗传密码从上一代的“最佳”（即，如果你的问题是最小化问题的最低适应值）开始评估。您可能需要检查遗传操作者，以及他们如何工作以更好地了解这种“生殖”过程。

如果你在Matlab中使用ga()函数，那么输入参数nvars将等于10; IntCon参数将具有值[1:10]，因为您希望它们全部为0或1;并且输入参数option（功能gaoptimset()的输出将具有以下参数）：上限是具有10个的向量，而下限是具有10个零的向量。 ga()函数将您的问题视为最小化问题，所以我建议使用错误率作为适应函数（或其他旨在最小化的其他方法）。
要指定一个二进制群体，您可以依赖gaoptimset()中的PopulationType输入，但我从未使用它，所以我建议您阅读此功能的帮助（使用gaoptimset()您可以指定群体中的个人数量以及GA在停止之前创建的代数......以及其他许多参数！）。 （*）注意：收缩数据集并不一定意味着您实际上通过遗传算法删除标记为0的列（属性）。这可能会弄乱模式之间的不相似性/距离评估。在评估不相似性度量时，您可以使用遗传代码作为模式的权重：10-特征模式乘以10-位遗传密码和将乘以零的特征将不具有任何重要性（权重）在不相似的措施。

Answer 2

RapidMiner Studio在默认存储库中附带了一些遗传算法样本。

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

的Optimize Selection (Evolutionary)运营商可能是使用运营商。如果您查看该操作员的帮助，则可以从那里加载示例流程。该过程选择最佳属性以最大化分类模型的性能。

Answer 3

我相信你可以为你的问题使用二进制遗传算法特征选择。

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

也许该文件将帮助你在你的问题。他们甚至在代码中包含他们的论文以便进一步理解。