fscchi2
カイ二乗検定を使用した分類に向けた一変量の特徴量ランク付け
構文
説明
idx = fscchi2(Tbl,ResponseVarName)Tbl には予測子変数と応答変数が含まれていて、ResponseVarName は Tbl 内の応答変数の名前です。関数は idx を返します。これには予測子の重要度順に並べ替えられた予測子のインデックスが含まれます。つまり、idx(1) は最も重要な予測子のインデックスです。idx を使用して、分類問題用の重要な予測子を選択できます。
例
数値行列内の予測子をランク付けし、予測子の重要度スコアの棒グラフを作成します。
標本データを読み込みます。
load ionosphereionosphere には、予測子変数 (X) と応答変数 (Y) が含まれます。
カイ二乗検定を使用して予測子をランク付けします。
[idx,scores] = fscchi2(X,Y);
scores の値は、p 値の負の対数です。p 値が eps(0) よりも小さい場合、対応するスコア値は Inf です。棒グラフを作成する前に、scores が Inf 値を含むかどうかを判断します。
find(isinf(scores))
ans = 1×0 empty double row vector
scores に Inf 値は含まれていません。scores が Inf 値を含む場合、可視化のために、棒グラフを作成する前に大きな数値で Inf を置き換えることができます。詳細については、table 内の予測子のランク付けを参照してください。
予測子の重要度スコアの棒グラフを作成します。
bar(scores(idx)) xlabel('Predictor rank') ylabel('Predictor importance score')
上位 5 つの最も重要な予測子を選択します。X におけるこれらの予測子の列を求めます。
idx(1:5)
ans = 1×5
5 7 3 8 6
X の 5 列目が、Y の最も重要な予測子です。
table 内の予測子をランク付けし、予測子の重要度スコアの棒グラフを作成します。
データが table 内にあり、fscchi2 が table 内の変数のサブセットをランク付けする場合、関数はサブセットのみを使用して変数にインデックスを作成します。そのため、ランク付けしない予測子を table の最後に移動させることをお勧めします。応答変数、および観測値の重みベクトルも同様に移動させます。すると、出力引数のインデックスは table のインデックスと一致します。
census1994 データ セットを読み込みます。
load census1994census1994 内の table adultdata には、個人の年収が $50,000 を超えるかどうかを予測するための、米国勢調査局の人口統計データが含まれています。table の最初の 3 行を表示します。
head(adultdata,3)
age workClass fnlwgt education education_num marital_status occupation relationship race sex capital_gain capital_loss hours_per_week native_country salary
___ ________________ __________ _________ _____________ __________________ _________________ _____________ _____ ____ ____________ ____________ ______________ ______________ ______
39 State-gov 77516 Bachelors 13 Never-married Adm-clerical Not-in-family White Male 2174 0 40 United-States <=50K
50 Self-emp-not-inc 83311 Bachelors 13 Married-civ-spouse Exec-managerial Husband White Male 0 0 13 United-States <=50K
38 Private 2.1565e+05 HS-grad 9 Divorced Handlers-cleaners Not-in-family White Male 0 0 40 United-States <=50K
table adultdata では、3 番目の列 fnlwgt はサンプルの重みで、最後の列 salary は応答変数です。関数 movevars を使用して fnlwgt を salary の左側に移動します。
adultdata = movevars(adultdata,'fnlwgt','before','salary'); head(adultdata,3)
age workClass education education_num marital_status occupation relationship race sex capital_gain capital_loss hours_per_week native_country fnlwgt salary
___ ________________ _________ _____________ __________________ _________________ _____________ _____ ____ ____________ ____________ ______________ ______________ __________ ______
39 State-gov Bachelors 13 Never-married Adm-clerical Not-in-family White Male 2174 0 40 United-States 77516 <=50K
50 Self-emp-not-inc Bachelors 13 Married-civ-spouse Exec-managerial Husband White Male 0 0 13 United-States 83311 <=50K
38 Private HS-grad 9 Divorced Handlers-cleaners Not-in-family White Male 0 0 40 United-States 2.1565e+05 <=50K
adultdata の予測子をランク付けします。列 salary を応答変数として指定し、列 fnlwgt を観測値の重みとして指定します。
[idx,scores] = fscchi2(adultdata,'salary','Weights','fnlwgt');
scores の値は、p 値の負の対数です。p 値が eps(0) よりも小さい場合、対応するスコア値は Inf です。棒グラフを作成する前に、scores が Inf 値を含むかどうかを判断します。
idxInf = find(isinf(scores))
idxInf = 1×8
1 3 4 5 6 7 10 12
scores には 8 つの Inf 値が含まれます。
予測子の重要度スコアの棒グラフを作成します。予測子の名前を x 軸の目盛りラベルに使用します。
figure bar(scores(idx)) xlabel('Predictor rank') ylabel('Predictor importance score') xticklabels(strrep(adultdata.Properties.VariableNames(idx),'_','\_')) xtickangle(45)
関数 bar が Inf 値に関するバーをプロットすることはありません。Inf 値について、最も大きい有限のスコアと同じ長さのバーをプロットします。
hold on bar(scores(idx(length(idxInf)+1))*ones(length(idxInf),1)) legend('Finite Scores','Inf Scores') hold off
棒グラフでは、異なる色を使用して有限のスコアと Inf スコアを表示します。
入力引数
名前と値の引数
出力引数
アルゴリズム
バージョン履歴
R2020a で導入
