EpistasisLab/scikit-rebate

解決的問題

它解決了標準基於過濾器的特徵選擇方法的局限性，這些方法通常只能檢測簡單的單變量關聯，而忽略了複雜的特徵交互。該套件提供了一種計算高效的方法，無需窮舉檢查所有可能的特徵對，即可識別相互交互的重要特徵。

工作原理

它實現了一套基於Relief的演算法（RBA），根據特徵在考慮鄰居的情況下區分不同類別（或值）實例的能力來賦予權重。它提供了多種「核心」演算法（如ReliefF、SURF和MultiSWRF）和「包裝器」演算法（如TuRF和VLS），以提高在高維資料集中的敏感性。該實作與scikit-learn相容，可以輕鬆作為特徵選擇步驟整合到標準機器學習管道中。

適用對象

它專為處理結構化、帶標籤的表格資料的機器學習從業者和研究人員設計，特別是在基因組學和生物資訊學等領域，這些領域中檢測上位效應（特徵交互）至關重要。

亮點

• 交互敏感：無需窮舉成對搜尋即可檢測特徵交互。
• 多類型資料支援：處理離散、連續或混合特徵類型，以及缺失值。
• 靈活的目標：支援二元分類、多類別分類和迴歸。
• 可擴充性：包裝器演算法使其能夠從10,000個擴充到超過100,000個特徵。
• scikit-learn整合：與scikit-learn管道完全相容，實現無縫的端到端工作流程。