改进的距离评估（IDE）：该方法可用于分类问题中的特征选择。-matlab开发

此方法对于分类中的特征选择很有用。 它将特征分级在 0 到 1 之间，其中较高的值意味着该特征与分类更相关。 使用截止值可以从输入列表中选择更好的特征。 执行： S=IDE2（数据，类，阈值） [S i]=IDE2（数据，类，阈值）； [S im]=IDE2（数据，类，阈值）； 输入： 数据：特征应该列在列中，样本应该成行分布。 例如具有 4 个特征的数据集并且 20 个样本应作为 20x4 矩阵提供。 类：一个一维矩阵，长度为数据中的样本。 例如对于前面的例子，类矩阵应该是 20x1，每个单元格代表一个相关的数字到班级。 注意：类应该从 1 开始并不断增加。 以三类 Healthy、Fault1 为例和 Fault2，类矩阵应包含 1,2,3 个值。 阈值：阈值表示所需的截止值应介于 0 和 1 之间。索引和选定的输出将根据这个值生成。 输出： 分数：报告每个有界特征的 IDE 分