机器学习ReliefF代码，Semi supervised learning using Navies Bayes and Clustering with ReliefF feature extraction in MATLAB.

利用ReliefF算法对回归特征变量做特征重要性排序，实现特征选择。 通过重要性排序图，选择重要的特征变量，以期实现数据降维的目的。 程序直接替换数据就可以用，程序内有注释，方便学习和使用。 程序语言为matlab。

使用ReliefF算法实现特征排序，进行特征选择，上传数据集为UCI乳腺癌数据。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab MRMR和relieff特征选择方法 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

ReliefF算法实现特征选择C++源码

救济算法matlab代码信仰 RReliefF的Python实现-用于回归问题的功能选择工具 由Amrit Sethi创建 RReliefF是用于回归问题的特征选择工具，可帮助确定数据集中不同特征的预测性能。 除了RReliefF，还可以在以下版本中使用Relief和ReliefF的实现-分类问题的特征选择算法。 尽管该函数基于python，但函数接口旨在模仿。 基于救济的算法的实现 此代码遵循M. Robnik-Sikonja和I. Kononenko在“回归中用于属性估计的救济的适应”中所述的基于救济的算法。 的注释中使用的公式参考均基于上述文章 要专门使用RReliefF，请使用W = RReliefF(X, y, opt) opt可以用以下可选参数替换： updates -可以是“全部”（默认），也可以是正整数，具体取决于 k要查看的邻居数。 默认值是10。 sigma距离比例因子。 默认值为50。 weight_track返回一个矩阵，该矩阵跟踪每次迭代的权重变化。 默认为假 例子 包含3种主要基于救济的算法的实现的示例包括在中。 变量regressionProblem可以设

使用python实现的ReliefF算法，可以直接下载使用。ReliefF算法是一种经典的过滤式特征选择算法，优点是效率高，效果好。

reliefF算法源码.pdf

针对高维小样本的DNA微阵列数据多分类问题，提出一种基于ReliefF和蚁群算法的特征基因选择方法（ReliefF and ant colony optimization，ReFACO）。该方法首先采用ReliefF算法评估特征权重，根据阈值筛选出无关基因；然后引入改进的蚁群算法，在迭代改进的过程中寻找最优基因子集；最后利用经典分类算法对维数约简后的数据分类识别。经实验证明，该方法可有效地剔除无关和冗余基因，并利用较少特征基因达到较高多分类效果。

matlab MRMR和relieff特征选择方法.rar