RELIEFF算法的Python实现
发布时间
阅读量：
阅读量
写在前面：
既然采用了Relief方案，为什么不考虑采用一个更优化的ReliefF版本呢？接着出现了仅修改了少量代码块的情况。
相比传统Relief算法而言，ReliefF方法能够适用于多种类型的问题。这种改进主要得益于neraHit和nearMiss方法不再局限于单一的选择策略（即每次仅选择一个邻居或近似点），而是综合考虑多个候选样本进行评估以达到更为均衡的效果）。如果你尚未深入了解Relief算法的基本原理，请继续阅读前面的文章。在这里我会详细介绍这种方法的优势所在，并随后提供一段具体的代码实现，并在文末详细阐述这段代码与传统Relief算法之间的差异在哪里。
import numpy as np
from random import randrange
from sklearn.datasets import make_blobs
from sklearn.preprocessing import normalize
def distanceNorm(Norm,D_value):
# initialization
# Norm for distance
if Norm == '1':
cou全部评论 (0)
还没有任何评论哟~