#machine-learning #statistical #statistics #feature-selection

gammatest

gammatest 库提供执行机器学习特征选择中使用的伽玛检验的代码。

4 个版本

0.1.21 2022年8月14日
0.1.2 2022年8月14日
0.1.1 2022年8月14日
0.1.0 2022年8月14日

#668 in 机器学习

MIT 许可证

21KB
300

gammatest

定义

gammatest 是伽玛检验的简单 rust 实现。

伽玛检验 [1] 是机器学习中常用的非参数特征选择检验。

gammatest 库基于 该论文 [2]

参考文献

[1] Stefánsson, A., Končar, N., & Jones, A. J. (1997). A note on the gamma test. Neural Computing & Applications, 5(3), 131-133.

[2] Kemp, S. E., Wilson, I. D., & Ware, J. A. (2004). A tutorial on the gamma test. International Journal of Simulation: Systems, Science and Technology, 6(1-2), 67-75.

示例

use gammatest::*;
   
fn main()
   {    
      // Give the input matrix
      let inputs =[
                  [3.0f32, 4.0, 4.0].to_vec(),
                  [2.0f32, 1.0, 3.0].to_vec(),
                  [1.0f32, 0.0, 1.0].to_vec(),
                  [1.0f32, 1.0, 1.0].to_vec(),
               ];

      // Give the output vector 
      let output = [54.0f32, 30.0, 3.0, 28.0];
      
      // p is the number of neighbors 
      let p : usize = 3;
      
      // Build the GammaTest using f32 data type
      let mut gt : GammaTest<f32> = GammaTest::new(&inputs, &output, p);
      
      // To use f64 data type 
      //let mut gt : GammaTest<f64> = GammaTest::new(&inputs, &output, p);

      // Call function compute() to compute GammaTest parameters.
      gt.compute();

      // Check results
      assert_eq!(gt.slope,  Some(33.54095));
      assert_eq!(gt.intercept, Some(20.578278));
    } 

当前开发状态

在当前版本中,gammatest 使用“暴力法”对 k-近邻进行排序,这是一种简单但较慢的方法,与其他一些方法相比。

依赖项

~155KB