mRMR特征选择程序使用方法

zjcdm

声明：本帖只是对mRMR特征选择程序的使用进行介绍，没有对原理方法深究。
出处链接: http://penglab.janelia.org/proj/mRMR/
1、输入文件格式要求：
        程序的输入文件格式必须是CSV文件。
2、输入内容的格式要求：
        CSV文件的内容形式是第一行是以类别特征开始的特征变量名，特征变量名之间用 “，” 隔开，不能有其它的字符。下面每一行都是对应特征变量名的特征值一样用逗号隔开。
        ！！！注意的是，特征变量的第一个必须是类别（就是你的分类的标号），这跟我们平常arff文件的习惯不一样。
         例子： http://penglab.janelia.org/proj/mRMR/test_lung_s3.csv
3、该特征选择方法提供在线版本，但是有所限制，文件大小不能超过2M，特征变量的个数不能超过10000，选择的特征不能超过200。如果受限的话自己下作者源程序使用。
4、这里介绍作者提供的C++版本的程序的使用。
     命令是：./mrmr -i input.csv -t thresholds -n fea_num -m method -s max_example -v max_variables
     解释：input.csv是出入的文件。           
               thresholds默认是9999，这个变量的作用是类似定义一个区间，在该区间里面的例子得分是一样的。
               fea_num是要选择特征的个数，作者的程序设置为最多是500。要注意如果没有改作者的程序的话如果运行程序的fea_num大于500全部设置为500。如果需要增加特征个数，要改mrmr.cpp文件，重新编译之后，就可以随意设置选择要选择的特征个数。（编译方法见下面）
               method的值只有两种"MID"和“MIQ”。
               max_example是文件例子的最大值，默认是1000。
               max_variables是特征变量的最大个数，默认是10000.
5、如果有自己改程序，就要重新编译。确定自己机器有C++编译器后，用下面的命令：
      make -f  mrmr.makefile clean
      make -f mrmr.makefile
      然后就可以用命令（见4） ./mrmr ......运行了

     如果有什么不对或者不足的地方，欢迎各位补充和指正。谢谢。

   

zjcdm

从完整的arff文件得到mrmr所需要的csv文件：java -jar arff_to_csv.jar inputFile.arff outputFile1.csv
inputFile.arff 是要选择特征的输入文件，必须是完整的arff文件。outputFile1.csv就是用来供mrmr使用的输入文件，下条命令也会用到。
可以选择任意特征个数的mrmr可执行文件（附件）。
从执行mrmr的结果获得选出特征的arff文件：
java -jar mrmr_to_arff.jar mrmrOutputFile outputFile1.csv outputFile.arff -f FeaNum -c ClassNum class1 class2...
mrmrOutputFile就是执行mrmr的输出文件名，outputFile1.csv 就是执行arff_to_csv.jar 得到的结果，outputFile.arff 是最后输出的文件名。FeaNum是选出的特征的个数，ClassNum是类标的数目。后面的class1 class2。。。 就是类标，个数要跟ClassNum对应，而类标的名称要跟最原始的arff文件的类标名对应。
举例：@attribute class {-1, 0, 1}

java -jar mrmr_to_arff.jar mrmrOutputFile outputFile1.csv outputFile.arff -f FeaNum -c 3 -1 0 1

xmubingo

标题是mRMR？？
对mRNA序列提取特征对吗？可不可以简单描述下特征都包括哪些。

zouquan

xmubingo 发表于 2014-4-29 22:03
标题是mRMR？？
对mRNA序列提取特征对吗？可不可以简单描述下特征都包括哪些。

不是，mRMR是一种纯的机器学习降维方法。

zjcdm

xmubingo 发表于 2014-4-29 22:03
标题是mRMR？？
对mRNA序列提取特征对吗？可不可以简单描述下特征都包括哪些。

mRMR全称是Max-Relevance-Min-Redundancy。它是考虑每个特征和类别的关系，进行排序从而选择所需要的特征。这个程序适用于多分类，单标记。