问题描述
我将一个单一的特征向量数组作为灰狼算法的输入。我已经完成了二值化部分。
def Fun(x):
# Parameters
alpha = 0.99
beta = 1 - alpha
# Original feature size
max_feat = len(x)
# Number of selected features
num_feat = np.sum(x == 1)
# Solve if no feature selected
if num_feat == 0:
distance = 1
else:
# Get error rate
error = error_rate(x)
# Objective function
distance = alpha * error + beta * (num_feat / max_feat)
return distance
我应该在这里计算gini_index 值并将其提供给变量'error'?? 还是我必须改变目标函数?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)