5.3.1.1 特征选择界面介绍
IBM SPSS Modeler18.0提供了特征选择节点，如图5-20。
图5-20 IBM SPSS Modeler18.0的特征选择节点图示
特征选择节点设置：
特征选择节点的参数设置包括【注解】【选项】【模型】【字段】4张选项卡（图5-21）。
【字段】选项卡，主要用来规定特征选择模型的输入变量和目标变量（图5-21）。
图5-21 【特征选择】的【字段】选项卡界面
【模型】选项卡用来设置特征选择过程的主要参数，即从变量角度来考虑变量重要性的主要参数，如图5-22。
【屏幕字段】，指的是筛选掉有问题的变量，剩下的变量参与模型的计算。
根据以下方法筛选问题变量：
【缺失值的最大百分比】，指的是某变量中缺失值数超过指定的比例，将会被剔除掉。
【单个类别中记录的最大百分比】，指的是某个分类型变量中，如果某个类别占整个记录的百分比大于指定的值，则会被剔除掉；该选项仅对分类型变量有用。
【最大类别数（按记录百分比）】，指的是某个分类型变量中，如果类别数占整个记录的百分比大于指定的值，则会被剔除掉；该选项仅对分类型变量有用。
【最小变异系数】，指的是剔除掉变异系数小于或等于指定值的变量；变异系数指的是变量的标准偏差与均值之间的比值；对于连续型变量有用。
【最小标准差】，指的是剔除掉标准差小于或等于指定值的变量；对于连续型变量有用。
图5-22 【特征选择】的【模型】选项卡界面
【选项】选项卡，用来设置变量重要性的排序依据，这里考察变量重要性是从输入变量和输出变量相关性的角度（图5-23）。
【通过分类目标】，设定分析预测变量的P值（重要性）的方法；如果输入变量和输出变量的类型均为分类型时，可以选择Pearson、似然比、克莱姆系数或者Lambda来计算重要性;如果输入的部分为分类、目标也为分类变量时，可以选择Pearson或者似然比来计算重要性；如果目标和输入均为连续型变量时，系统则自动使用基于相关系数的T统计量；如果目标为连续变量、输入为分类变量或者相反情况，系统则自动使用F统计量；最后，按照各个检验统计量的1-P值，通过降序来排列各个变量。
【所有排列的字段】，指的是变量排序后，显示为【重要】【边际】【不重要】，这3个名称可以更改，用1-P值来衡量；【分界值】指的是1-P值，两个【分界值】是用来设置判断【重要】【边际】【不重要】的1-P值的边界。
【字段总数】，指的是显示经过排序后前n个变量，认为是重要变量，默认值为10。
【重要性大于】，指的是显示1-P值大于在这里指定值的变量，认为是重要变量。
图5-23 【特征选择】的【选项】选项卡界面
5.3.1.2 简单例子
在预测建模过程中，变量的优选是提高模型预测精度的关键。因为无论算法多么优越，与预测目标相关性不好的变量的引入，会由于误差叠加的放大效应，对预测结果产生巨大的影响。本次以预测A井目的层段致密砂砾岩岩性预测过程中，优选变量的例子，来详细介绍特征选择的使用。
特征选择模型建立的具体操作如下：
插入【变量】节点（位于节点选用板的【源】选项卡中，如图5-24）、【类型】节点（位于节点选用板的【字段选项】选项卡中，如图5-25）和【特征选择】节点（位于节点选用板的【建模】选项卡中的【分类】中，如图5-26），依次连接，特征选择岩性预测模型流初步设置成功，如图5-27。
图5-24 节点选用板的【源】界面
图5-25 节点选用板的【字段选项】界面
图5-26 节点选用板的【建模】中的【分类】界面
图5-27 初步建立的特征选择模型流
【变量】节点设置：
【变量】节点用来导入分析数据。双击【变量】节点，出现【变量】节点的【浏览文件】界面，单击【浏览文件】（图5-28），选择目标分析数据，点击【打开】（图5-29），可以看到目标文件导入到了变量节点（图5-30），点击【应用】，分析数据导入成功。
图5-28 【变量】节点的【文件】界面（数据未输入）
图5-29 【变量】节点的【浏览文件】界面
图5-30 【变量】节点的【文件】界面（数据已经输入）
【类型】节点设置：
【类型】节点用来设置输入变量和目标变量的【测量】和【角色】。AC、CALI、CNL、DEN、GR、PORE、RI、RT、RXO、VCL属于输入变量，为数值型，其【角色】设置为【输入】，【测量】设置为连续；岩性变量属于目标变量，为分类型，其角色设置为【目标】，【测量】设置为【名义】（图5-31），点击【应用】，设置成功。
图5-31 【类型】节点界面
【特征选择】节点设置：
【特征选择】节点用来建立特征选择模型。
在【字段】选项卡中设置【输入（I）】和【目标（T）】变量，本次选择【使用预定义角色（D）】（图5-32）。
图5-32 【特征选择】节点的【字段】界面
在【模型】选项卡设置特征选择模型的基本参数（图5-33）。
设置【缺失值的最大百分比】为75%，即某变量中缺失值数超过75%，将会被剔除掉；设置【单个类别中记录的最大百分比】为90，即某个分类型变量中，如果某个类别占整个记录的百分比大于90%，则会被剔除掉；设置【最大类别数（按记录百分比）】为95，即某个分类型变量中，如果类别数占整个记录的百分比大于95%，则会被剔除掉；设置【最小变异系数】为0.1，即剔除掉变异系数小于或等于0.1的变量；设置【最小标准差】0.0，即剔除掉标准差小于或等于0.0的变量。
图5-33 【特征选择】节点的【模型】界面
在【选项】界面中，设置变量重要性的排序依据（图5-34）。选择【所有排列的字段】，设置【重要】和【边际】的【分界值】为0.95，设置【边际】和【不重要】的【分界值】为0.9，并在【重要】处画钩；选择【Pearson】。
图5-34 【特征选择】节点的【分析】界面
点击运行，生成特征选择模型运行结果（图5-35）。
图5-35 含有模型运行结果的特征选择模型流（钻石形状的节点为模型运行结果）
双击特征选择结果节点，出现特征选择结果界面（图5-36），易知，CNL、VCL、RT、PORE、RI、RXO是对岩性敏感的变量。
图5-36 含有模型运行结果的特征选择模型流（钻石形状的节点为模型运行结果）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
