基于 MATLAB 的 ANOVA 特征选择与可视化

基于 MATLAB 的 ANOVA 特征选择与可视化

引言

特征选择在机器学习和统计建模中起着至关重要的作用，它能够提高模型的效率，减少过拟合，并增强模型的可解释性。本文介绍了一种基于方差分析（ANOVA）的特征选择方法，涵盖数据加载、特征评分、统计筛选和可视化，提供了一种稳健的特征筛选框架，以优化回归数据集的建模效果。

数据加载与预处理

首先，加载 Excel 数据集，并确保数据的兼容性和完整性：

clc; clear; close all;
try
    df = readtable('回归数据集.xlsx', 'VariableNamingRule','preserve'); 
catch ME
    error('文件读取失败，请检查：
1. 文件路径是否正确
2. Excel 文件是否无密码保护
3. 第一行是否包含有效表头');
end

% 提取特征名称和数据集分区
featureNames = df.Properties.VariableNames(1:end-1); 
X = df{:, 1:end-1};
y = df{:, end};

参数配置

定义特征选择过程中的关键超参数：

alpha = 0.05;       % 显著性水平
max_features = 15;  % 最大保留特征数
min_features = 5;   % 最小保留特征数
figDPI = 600;       % 图像分辨率

步骤 1：基于 ANOVA 计算特征评分

ANOVA 用于计算每个特征的 F 值和 p 值，以评估其对目标变量的影响：

m = size(X, 2);
[Fvals, pvals] = deal(zeros(m,1));

for i = 1:m
    [~, tbl] = anova1(X(:,i), y, 'off');
    Fvals(i) = tbl{2,5};  % F 值
    pvals(i) = tbl{2,6};  % p 值