![請繪製一個垂直、分階段的特徵選擇演算法流程圖,風格仿照學術論文插圖(淺色系、清晰線條)。該流程分為三個階段,以水平線分隔:
階段 1(快速篩選):
1. 輸入:原始特徵 X,目標變數 Y
2. 計算互信息 I(X_j; Y)(k 近鄰方法)
3. 依互信息降序排列 → F_sorted
4. 選擇策略(平行分支):
- 閾值策略:I ≥ τ
- 數量策略:取前 k = β×d 個特徵
5. 輸出:S1, X1
階段 2(mRMR + 馬可夫毯):
1. 從 S1 開始,選擇具有最大互信息的特徵加入 S
2. mRMR 迭代:
- 計算候選特徵的邊際 mRMR 分數
- 選擇最高分並加入 S
3. 馬可夫毯篩選:
- 對於 S 中的每個特徵 X_i:
- 尋找滿足 I(X_i; X_j) > τ_mb 且 I(X_j; Y) ≥ I(X_i; Y) 的 X_j
- 如果找到,則移除 X_i
4. 輸出:S2
階段 3(PCBWOFS 優化):
1. 編碼:二進制 b=[b_1,...,b_m]
2. 初始化(混合策略)
3. 適應度評估:適應度 = Acc - α·|b|/m
4. 繁殖與交叉:
- 選擇 → OR 閘交叉 → 上下文感知交叉
5. 同類相食策略:淘汰低適應度後代
6. 突變:位元翻轉 + 特徵交換
7. 迭代更新族群,保留精英
8. 輸出:最佳特徵子集
流程圖元素要求:
- 使用矩形框表示步驟,使用菱形框表示判斷/分支
- 箭頭指示流程方向
- 使用「階段 1/2/3」標題標記三個階段
- 整體佈局應簡潔,適合插入論文。](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2Fhpsp97YaFBIUPx0EbaYDvGh7CgMgwN6k%2F78922486-2288-41ff-b4fd-2ad57a745aa8%2F13bd335c-4284-418b-83a3-f002ed2565b3.png&w=3840&q=75)
請繪製一個垂直、分階段的特徵選擇演算法流程圖,風格仿照學術論文插圖(淺色系、清晰線條)。該流程分為三個階段,以水平線分隔: 階段 1(快速篩選): 1. 輸入:原始特徵 X,目標變數 Y 2. 計算互信息 I(X_j; Y)(k 近鄰方法) 3. 依互信息降序排列 → F_sorted 4. 選擇策略(平行分支): - 閾值策略:I ≥ τ - 數量策略:取前 k = β×d 個特徵 5. 輸出:S1, X1 階段 2(mRMR + 馬可夫毯): 1. 從 S1 開始,選擇具有最大互信息的特徵加入 S 2. mRMR 迭代: - 計算候選特徵的邊際 mRMR 分數 - 選擇最高分並加入 S 3. 馬可夫毯篩選: - 對於 S 中的每個特徵 X_i: - 尋找滿足 I(X_i; X_j) > τ_mb 且 I(X_j; Y) ≥ I(X_i; Y) 的 X_j - 如果找到,則移除 X_i 4. 輸出:S2 階段 3(PCBWOFS 優化): 1. 編碼:二進制 b=[b_1,...,b_m] 2. 初始化(混合策略) 3. 適應度評估:適應度 = Acc - α·|b|/m 4. 繁殖與交叉: - 選擇 → OR 閘交叉 → 上下文感知交叉 5. 同類相食策略:淘汰低適應度後代 6. 突變:位元翻轉 + 特徵交換 7. 迭代更新族群,保留精英 8. 輸出:最佳特徵子集 流程圖元素要求: - 使用矩形框表示步驟,使用菱形框表示判斷/分支 - 箭頭指示流程方向 - 使用「階段 1/2/3」標題標記三個階段 - 整體佈局應簡潔,適合插入論文。