卡方检验下的特征筛选

采用卡方检验进行特征筛选的方法，相关细节可进一步查阅http://nlp.stanford.edu/IR-book/html/htmledition/feature-selectionchi2-feature-selection-1.html>

———————— 原理简介 ————————

卡方检验（\chi ^2 test）作为一种广泛应用的特征筛选手段，在生物及金融等多个领域中具有重要价值。其主要功能在于评估两个变量之间的独立性，或者衡量实际观测数据与理论预期值之间的差异程度。当卡方值越高时，意味着实际观测结果与预期值之间的偏离程度越显著，同时表明这两个变量之间关联性越弱。

以下表格用于简要解释test的含义：

例如，在当前的生物学研究中，假设我们需从采集到的5个基因 gene1,…,gene5 中识别出某种疾病的致病基因。通过统计患病与未患病群体中这五种基因的出现频率，可以进行分析。若将每个基因视为一个特征，则寻找致病基因的过程可转化为选择一个特征，以使患病与未患病两类样本的分类准确率达到最高水平。

首先，我们提出一个前提假设，即