我们已经连续好几期在讲特征变量选择算法，这其中一个很重要的一个原因是：光谱数据的高维冗余性和目标值与少数解释变量之间的相关性，也就是特征解释问题。如何从实际测量的高维光谱数据中选择具有解释能力（特征变量）的变量是目前特征选择或者特征降维的主要研究内容，也是光谱分析建模的关键组成。

        本期分享的随机蛙跳（Random Frog， RF）主要参考李宏东老师于2012年发表在ACA的论文（题目见文末），区别于由Kevin Lanes和Mustafa Eusuff于2003年提出的随机蛙跳算法（Shuffled Frog Leaping Algorithm， SFLA），RF迭代更新过程更加简单直观，而SFLA粒子群优化算法相似，本期就RF在光谱特征分析建模中的应用进行介绍，并以真实数据进行代码解析和结果展示，对于代码在光谱交流群内。

        1. 随机蛙跳RF

        作者原文以基因表达过程中的关键变量选择为背景提出了RF算法，结合光谱建模分析应用，我们首先介绍RF的基本原理。对于光谱变量X，其n行表示样本数，p列表示变量，对应的目标矩阵Y由nx1的变量组成，其迭代计算过程主要包括以下三步：

        （1）随机生成包含Q个变量的子集V0；

        （2）在V0的基础上提出一个包含Q*个变量的候选变量子集V*，以一定的概率接受V*作为V1，用V1代替V0，循环该过程；

        （3）计算各个变量选择的概率值，以此作为变量重要性评价指标。

        在RF算法计算过程中，主要涉及5个关键参数，分别是：

        （1）N：迭代次数，一般根据数据规模设置；

        （2）Q：初始数据子集所含变量数；

        （3）：控制正态分布方差的因子，用于控制抽取进入候选变量子集的变量数；

        （4）w：用于重采样时调整变量个数；

        （5）：用于设定接受性能不优于 V0 的候选变量子集 V* 的概率的上限。

上述变量中，除了Q和N外，其余变量均设置为默认值，此外，变量的重要性不再是单纯的以回归系数的大小为依据，而是以N次迭代中变量出现的概率为依据。

        2. 代码分析

        RF的matlab调用如下所示：​​​​​​​

        输出的结构体F包含的主要变量有：​​​​​​​

        3. 实例分析

        本文以公开数据集Corn进行测试分析，对应下载链接已在前期中给出，原始光谱为：

        基于RF算法，我们选择前60个变量，具体的分布如图所示，其中有部分点分布在起始点附近，而大部分分布在500左右，对于起始点附近的点，可能是我们子集变量个数设置过小，导致这些变量的选择概率较高。

        各变量在100次迭代循环过程中的选择概率分布如下图所示，对应上图，我们可以看到选择概率大于0的个数较少，而且分布相对集中，对于上图所选前60变量过多，可能需要多次交叉验证才能确定最佳的特征变量个数。

        基于所选变量所建模型的PLS预测结果如下所示，可知预测结果精度较高，能够实现目标指标的有效预测。

        对比发现，RF算法能够有效选择光谱特征变量，其基本分析过程跟iPLS相似，区别在于区间的可变性和变量的随机选择性，也正是这种过程产生了变量的竞争选择机制，进而确保了变量的有效性。

        至此，我们简要介绍了RF算法并应用实例数据进行了分析，下期会介绍区间随机蛙跳iRF算法，欢迎大家交流分析，有需要的可通过私信公众号加入光谱交流群。