案例11.1 视频教程

题目：试编程实现Relief算法，并考察其在西瓜数据集3.0上的运行结果。
 
步骤1：在“项目模板”中找到周志华习题，打开第十一章特征选择与稀疏学习习题案例11.1，创建模板。
步骤2：在“EXCEL上传”模块上传excel，这里用到的是西瓜数据集3.0.
步骤3：在全部组件列表搜索“VS Code Python”模块，拖到操作界面内，在“参数设置”中勾选上“编辑”，在点击运行该节点，在操作中“编辑VS Code”，编写将excel文件的数据转换为CSV格式的文件的代码。注意编写完之后要重新勾掉“编辑”选项，才可以运行程序。
步骤4：在全部组件列表搜索“序数编码”模块，拖到操作界面内，在字段设置的“目标字段”中输入“色泽，根蒂，敲声，纹理，脐部，触感，好瓜”特征字段。该模块主要用来将分类特征编码为整数数组。该模块的输入应为整数或者字符串的数组，表示分类特征采用的值。目的是找到每个特征的唯一值，然后将数据转换为叙述编码。
步骤5：第一种方法，在全部组件列表搜索“选择K个最高分特征SelectKbest”，参数设置中的score_func为函数接收两个数据并返回一对或单个数组，默认为f_classif，适用于分类任务。k表示要选择的主要功能数。这里设置k为5.表示最终剩余特征数为5。输出结果为五个特征的排序。
步骤6：第二种方法，在全部组件列表中找到“岭分类”组件，属于使用ridge回归的分类器，设置好特征字段。岭回归就是在基本的线性回归中加入了正则项。
步骤7：在全部组件列表中找到“递归式特征消除RFE”组件，是给定将权重分配给特征的外部估计器，目标是通过递归考虑越来越少的特征集来选择特征。参数设置中的，特征数表示要选择的功能数量。这里设置特征数为5，Step对应于每次迭代要删除的特征数。这里设置为1.每次删除1个特征数。设置好特征字段，注意不要将编号选进去。最终结果为5个特征值的排序。
步骤8：第三种方法，通过VS Code Python 组件来实现relief算法，“参数设置”中勾选上“编辑”，在点击运行该节点，在操作中“编辑VS Code”，编写将图片矩阵化的代码。注意编写完之后要重新勾掉“编辑”选项，才可以运行程序。输出数据为各个特征的权重值。可以根据这个值来删选特征。