PCC

提供了一个三维混淆矩阵，并为给定的组数生成每个组的完整统计信息和汇总统计信息。该矩阵展示了组间比较和评估模型性能的全面视图。

Jx-FFST 的过滤器特征选择工具箱，挺适合用来快速搞定特征选择的。内置了四种方法：Relief-F、PCC、TV还有NCA，都挺经典的。你只要给它喂个数据集，跑一行代码，结果就出来了，响应也快，配置简单，适合做特征初筛。 Matlab 的脚本风格用起来也还不错，就算你不太熟滤波器方法，看官方的示例也能快上手。尤其是在高维数据时，比如基因表达数据、文本分类这种，选特征能省不少事儿。 嗯，说个注意点：NCA相对比较慢，数据多的时候建议提前做点降维。不然你跑起来会等半天。不过其他几个方法像PCC和Relief-F，都蛮轻量的，适合快速试验。 你可以直接去看看作者放在 GitHub 上的源码，地址