R：Laplacian分布筛选特征

转自：do.lscore，https://www.rdocumentation.org/packages/Rdimtools/versions/1.0.4

1.例子

data(iris)
set.seed(100)
subid    <- sample(1:150, 50)
iris.dat <- as.matrix(iris[subid,1:4])#输入是4维的
iris.lab <- as.factor(iris[subid,5])#第5列作为label

library(Rdimtools)
out1 = do.lscore(iris.dat, t=0.1)#不同的带宽t有什么区别呢？
out2 = do.lscore(iris.dat, t=1)
out3 = do.lscore(iris.dat, t=10)
plot(out3$Y, pch=19, col=iris.lab, xlab="axis 1", ylab="axis 2", main="Laplacian Score")

函数原型：

do.lscore(
  X,
  ndim = 2,#默认降到2维
  type = c("proportion", 0.1),
  preprocess = c("null", "center", "scale", "cscale", "whiten", "decorrelate"),#预处理，默认为null
  t = 10#带宽
)

2.返回结果

y:(n.n_dims)

 这里的1和2是iris.dat所保留的特征3/4列的原数据，它不像PCA那样是找出主成分，这个是直接对特征打分，筛选出特征的。

lscore：a length-p vector of laplacian scores. Indices with smallest values are selected.特征分数，选择分数小的特征，这里是3/4.

 featidx: a length-ndim vector of indices with highest scores.

trfinfo：包含样本外预测信息的列表。（不太理解）

 projection:a (p×ndim) whose columns are basis for projection. 列是投影的基础。

 3.可视化结果

 iris部分数据可视化