matlab代码实现经典特征选择

以下是一个用于经典特征选择的MATLAB代码示例：

% 假设有一个特征矩阵X和相应的标签向量y
% X的大小为m x n，m为样本数量，n为特征数量
% y的大小为m x 1，每个元素表示样本的类别

function selected_features = feature_selection(X, y)
    % 计算特征与标签之间的相关性
    correlation = corr(X, y);

    % 根据相关性选择特征
    threshold = 0.5; % 设置相关性阈值
    selected_features = find(abs(correlation) > threshold);

    % 可选：打印每个特征的相关性
    disp('Feature Correlation:');
    for i = 1:length(selected_features)
        fprintf('Feature %d: %.2f\n', selected_features(i), correlation(selected_features(i)));
    end
end

该代码中的feature_selection函数接受特征矩阵X和标签向量y作为输入，并计算特征与标签之间的相关性。然后，它根据设置的相关性阈值选择相关性大于阈值的特征。最后，它返回选定的特征索引。

你可以根据自己的需求调整相关性阈值。较高的阈值会选择与标签高度相关的特征，而较低的阈值会选择与标签较弱相关的特征。你还可以根据自己的需要对代码进行扩展，例如添加其他特征选择方法、添加特征缩放等。