[发明专利]基于PageRank的数据特征集降维方法

权利要求书

1.一种基于PageRank的数据特征集降维方法，其特征在于，包括以下步骤：

S01、读取数据文件，获取待处理的原始数据特征集；

S02、采用多种特征选择算法计算所述原始数据特征集中各数据特征的重要性，对于每一种特征选择算法，其均得到一个将各数据特征按重要性依次排序的数据特征序列Ⅰ；

S03、将所有的数据特征序列Ⅰ进行组合，并构成一有向图；

S04、以有向图作为输入，采用PageRank的迭代法，计算各数据特征的PR值，并按PR值大小，将各数据特征依次排序，得到一数据特征序列Ⅱ；

S05、初始化N＝1，定义数据特征序列Ⅱ中数据特征的总个数为M；

S06、将数据特征序列Ⅱ中的前N个数据特征取出，并构成待测数据特征集，将待测数据特征集输至随机森林中进行评估，得到待测数据特征集的F1分数并保存；

S07、若N≠M，则N＝N+1，跳转至步骤S06，否则继续执行步骤S08；

S08、将F1分数最高的待测数据特征集作为降维结果输出，完成数据特征集的降维。

2.根据权利要求1所述基于PageRank的数据特征集降维方法，其特征在于，所述步骤S01中，需要对数据文件的格式进行判断。

3.根据权利要求1所述基于PageRank的数据特征集降维方法，其特征在于，所述步骤S02中，数据特征越重要，其在数据特征序列Ⅰ中的排名越靠前。

4.根据权利要求1所述基于PageRank的数据特征集降维方法，其特征在于，所述步骤S02中，特征选择算法有七种，且分别为ANOVA、MRMD、MIC、LASOO、mRMR、卡方检验和特征递归消除。

5.根据权利要求1所述基于PageRank的数据特征集降维方法，其特征在于，所述步骤S04中，数据特征的PR值越大，其在数据特征序列Ⅱ中的排名越靠前。

6.根据权利要求5所述基于PageRank的数据特征集降维方法，其特征在于，对于每个数据特征，其PR值的计算公式如下：

p＝M^jp_j-1

M＝sA+sD+tE

其中p为数据特征的PR值，M为状态转移矩阵，s为阻尼系数，t＝1-s，矩阵A对应当前数据特征随机挑选一个出链，矩阵D对应当前数据特征没有出链，E对应当前数据特征随机跳转到下一个数据特征，与有无出链无关，概率为1/数据特征数。

7.根据权利要求1所述基于PageRank的数据特征集降维方法，其特征在于，所述步骤S06中，获得待测数据特征集的F1分数的方法具体包括：根据在交叉验证中随机森林预测的结果与样本实际的标签计算F1，计算公式如下：

其中TP为真正例个数，FN为假反例个数，FP为假正例个数。