You have specified parameters: threshold=mu+/-1.00*sigma #fea=232 selection method=MID #maxVar=232 #maxSample=35410 Target classification variable (#1 column in the input data) has name=class entropy score=0.469 *** MaxRel features *** Order Fea Name Score 1 69 v69 0.009 2 99 v99 0.009 3 44 v44 0.009 4 101 v101 0.008 5 24 v24 0.008 6 66 v66 0.008 7 27 v27 0.008 8 98 v98 0.007 9 68 v68 0.007 10 88 v88 0.007 11 67 v67 0.006 12 25 v25 0.006 13 26 v26 0.006 14 64 v64 0.005 15 108 v108 0.005 16 87 v87 0.005 17 90 v90 0.005 18 93 v93 0.005 19 119 v119 0.005 20 106 v106 0.004 21 39 v39 0.004 22 81 v81 0.004 23 40 v40 0.004 24 82 v82 0.004 25 111 v111 0.004 26 114 v114 0.004 27 124 v124 0.004 28 83 v83 0.003 29 41 v41 0.003 30 18 v18 0.003 31 47 v47 0.003 32 104 v104 0.003 33 22 v22 0.003 34 57 v57 0.003 35 5 v5 0.003 36 107 v107 0.003 37 31 v31 0.002 38 52 v52 0.002 39 2 v2 0.002 40 75 v75 0.002 41 4 v4 0.002 42 1 v1 0.002 43 30 v30 0.002 44 13 v13 0.002 45 132 v132 0.002 46 109 v109 0.002 47 127 v127 0.002 48 14 v14 0.002 49 112 v112 0.002 50 20 v20 0.002 51 123 v123 0.002 52 56 v56 0.002 53 103 v103 0.002 54 76 v76 0.002 55 113 v113 0.002 56 94 v94 0.002 57 71 v71 0.002 58 15 v15 0.002 59 96 v96 0.002 60 45 v45 0.002 61 59 v59 0.002 62 105 v105 0.002 63 7 v7 0.002 64 33 v33 0.002 65 55 v55 0.001 66 19 v19 0.001 67 97 v97 0.001 68 128 v128 0.001 69 50 v50 0.001 70 95 v95 0.001 71 35 v35 0.001 72 16 v16 0.001 73 85 v85 0.001 74 12 v12 0.001 75 54 v54 0.001 76 78 v78 0.001 77 116 v116 0.001 78 120 v120 0.001 79 36 v36 0.001 80 117 v117 0.001 81 122 v122 0.001 82 28 v28 0.001 83 48 v48 0.001 84 129 v129 0.001 85 70 v70 0.001 86 126 v126 0.001 87 21 v21 0.001 88 72 v72 0.001 89 29 v29 0.001 90 89 v89 0.001 91 53 v53 0.001 92 8 v8 0.001 93 62 v62 0.001 94 65 v65 0.001 95 51 v51 0.001 96 100 v100 0.001 97 74 v74 0.001 98 3 v3 0.001 99 125 v125 0.001 100 6 v6 0.001 101 58 v58 0.001 102 79 v79 0.001 103 34 v34 0.001 104 118 v118 0.000 105 121 v121 0.000 106 43 v43 0.000 107 37 v37 0.000 108 91 v91 0.000 109 10 v10 0.000 110 32 v32 0.000 111 73 v73 0.000 112 219 v219 0.000 113 197 v197 0.000 114 23 v23 0.000 115 77 v77 0.000 116 92 v92 0.000 117 38 v38 0.000 118 80 v80 0.000 119 201 v201 0.000 120 184 v184 0.000 121 46 v46 0.000 122 198 v198 0.000 123 9 v9 0.000 124 202 v202 0.000 125 17 v17 0.000 126 49 v49 0.000 127 212 v212 0.000 128 211 v211 0.000 129 207 v207 0.000 130 130 v130 0.000 131 232 v232 0.000 132 214 v214 0.000 133 208 v208 0.000 134 61 v61 0.000 135 216 v216 0.000 136 196 v196 0.000 137 222 v222 0.000 138 227 v227 0.000 139 131 v131 0.000 140 188 v188 0.000 141 63 v63 0.000 142 174 v174 0.000 143 60 v60 0.000 144 115 v115 0.000 145 172 v172 0.000 146 151 v151 0.000 147 193 v193 0.000 148 210 v210 0.000 149 86 v86 0.000 150 205 v205 0.000 151 169 v169 0.000 152 183 v183 0.000 153 155 v155 0.000 154 147 v147 0.000 155 223 v223 0.000 156 146 v146 0.000 157 42 v42 0.000 158 84 v84 0.000 159 195 v195 0.000 160 164 v164 0.000 161 225 v225 0.000 162 167 v167 0.000 163 162 v162 0.000 164 213 v213 0.000 165 143 v143 0.000 166 203 v203 0.000 167 221 v221 0.000 168 192 v192 0.000 169 161 v161 0.000 170 175 v175 0.000 171 159 v159 0.000 172 134 v134 0.000 173 231 v231 0.000 174 166 v166 0.000 175 102 v102 0.000 176 145 v145 0.000 177 191 v191 0.000 178 148 v148 0.000 179 226 v226 0.000 180 150 v150 0.000 181 141 v141 0.000 182 11 v11 0.000 183 190 v190 0.000 184 168 v168 0.000 185 220 v220 0.000 186 194 v194 0.000 187 189 v189 0.000 188 152 v152 0.000 189 177 v177 0.000 190 215 v215 0.000 191 140 v140 0.000 192 229 v229 0.000 193 200 v200 0.000 194 224 v224 0.000 195 217 v217 0.000 196 160 v160 0.000 197 170 v170 0.000 198 154 v154 0.000 199 156 v156 0.000 200 171 v171 0.000 201 149 v149 0.000 202 133 v133 0.000 203 209 v209 0.000 204 179 v179 0.000 205 218 v218 0.000 206 163 v163 0.000 207 139 v139 0.000 208 176 v176 0.000 209 142 v142 0.000 210 180 v180 0.000 211 206 v206 0.000 212 199 v199 0.000 213 136 v136 0.000 214 182 v182 0.000 215 157 v157 0.000 216 181 v181 0.000 217 185 v185 0.000 218 186 v186 0.000 219 110 v110 0.000 220 144 v144 0.000 221 165 v165 0.000 222 230 v230 0.000 223 158 v158 0.000 224 187 v187 0.000 225 228 v228 0.000 226 138 v138 0.000 227 153 v153 0.000 228 135 v135 0.000 229 178 v178 0.000 230 173 v173 0.000 231 204 v204 0.000 *** mRMR features *** Order Fea Name Score 1 69 v69 0.009 2 128 v128 0.001 3 197 v197 0.000 4 116 v116 0.000 5 31 v31 0.000 6 151 v151 0.000 7 167 v167 0.000 8 136 v136 -0.000 9 157 v157 -0.000 10 222 v222 -0.000 11 68 v68 0.001 12 144 v144 -0.000 13 140 v140 -0.000 14 170 v170 -0.000 15 177 v177 -0.001 16 63 v63 -0.001 17 88 v88 -0.000 18 145 v145 -0.000 19 153 v153 -0.001 20 219 v219 -0.001 21 184 v184 -0.001 22 175 v175 -0.001 23 18 v18 -0.001 24 161 v161 -0.001 25 99 v99 -0.001 26 216 v216 -0.001 27 108 v108 -0.001 28 96 v96 -0.001 29 186 v186 -0.001 30 232 v232 -0.001 31 115 v115 -0.001 32 110 v110 -0.002 33 206 v206 -0.002 34 33 v33 -0.002 35 90 v90 -0.002 36 196 v196 -0.002 37 189 v189 -0.002 38 98 v98 -0.002 39 230 v230 -0.002 40 38 v38 -0.002 41 229 v229 -0.002 42 203 v203 -0.002 43 16 v16 -0.002 44 231 v231 -0.002 45 172 v172 -0.002 46 7 v7 -0.002 47 101 v101 -0.002 48 159 v159 -0.002 49 190 v190 -0.002 50 132 v132 -0.002 51 139 v139 -0.002 52 125 v125 -0.002 53 165 v165 -0.002 54 187 v187 -0.002 55 135 v135 -0.002 56 225 v225 -0.002 57 87 v87 -0.002 58 174 v174 -0.002 59 201 v201 -0.002 60 95 v95 -0.003 61 148 v148 -0.003 62 178 v178 -0.003 63 163 v163 -0.003 64 149 v149 -0.003 65 39 v39 -0.002 66 143 v143 -0.002 67 181 v181 -0.002 68 119 v119 -0.002 69 70 v70 -0.003 70 211 v211 -0.003 71 154 v154 -0.003 72 79 v79 -0.003 73 228 v228 -0.003 74 214 v214 -0.003 75 121 v121 -0.003 76 221 v221 -0.003 77 17 v17 -0.003 78 199 v199 -0.003 79 44 v44 -0.003 80 227 v227 -0.003 81 176 v176 -0.003 82 195 v195 -0.003 83 169 v169 -0.003 84 42 v42 -0.003 85 162 v162 -0.003 86 74 v74 -0.003 87 185 v185 -0.003 88 180 v180 -0.003 89 226 v226 -0.003 90 124 v124 -0.003 91 137 v137 -0.003 92 152 v152 -0.003 93 202 v202 -0.003 94 166 v166 -0.003 95 209 v209 -0.003 96 129 v129 -0.003 97 183 v183 -0.003 98 147 v147 -0.003 99 155 v155 -0.003 100 223 v223 -0.003 101 76 v76 -0.003 102 133 v133 -0.003 103 160 v160 -0.003 104 218 v218 -0.003 105 193 v193 -0.003 106 141 v141 -0.003 107 94 v94 -0.003 108 173 v173 -0.003 109 67 v67 -0.003 110 182 v182 -0.003 111 208 v208 -0.003 112 179 v179 -0.003 113 52 v52 -0.003 114 200 v200 -0.003 115 191 v191 -0.003 116 168 v168 -0.003 117 194 v194 -0.003 118 21 v21 -0.003 119 224 v224 -0.003 120 171 v171 -0.003 121 12 v12 -0.003 122 217 v217 -0.004 123 11 v11 -0.003 124 104 v104 -0.004 125 150 v150 -0.004 126 210 v210 -0.004 127 75 v75 -0.003 128 164 v164 -0.004 129 188 v188 -0.004 130 80 v80 -0.004 131 156 v156 -0.004 132 198 v198 -0.004 133 220 v220 -0.004 134 146 v146 -0.004 135 207 v207 -0.004 136 158 v158 -0.004 137 213 v213 -0.004 138 106 v106 -0.004 139 142 v142 -0.004 140 134 v134 -0.004 141 32 v32 -0.004 142 37 v37 -0.004 143 204 v204 -0.004 144 215 v215 -0.004 145 138 v138 -0.004 146 83 v83 -0.004 147 192 v192 -0.004 148 93 v93 -0.004 149 205 v205 -0.004 150 4 v4 -0.004 151 212 v212 -0.004 152 49 v49 -0.004 153 27 v27 -0.004 154 59 v59 -0.004 155 58 v58 -0.004 156 120 v120 -0.005 157 26 v26 -0.005 158 77 v77 -0.005 159 100 v100 -0.005 160 86 v86 -0.005 161 84 v84 -0.006 162 103 v103 -0.006 163 53 v53 -0.006 164 117 v117 -0.006 165 19 v19 -0.006 166 28 v28 -0.006 167 102 v102 -0.006 168 91 v91 -0.006 169 40 v40 -0.007 170 131 v131 -0.007 171 114 v114 -0.007 172 25 v25 -0.007 173 109 v109 -0.008 174 6 v6 -0.008 175 50 v50 -0.008 176 54 v54 -0.008 177 34 v34 -0.008 178 85 v85 -0.008 179 89 v89 -0.008 180 97 v97 -0.009 181 20 v20 -0.009 182 111 v111 -0.009 183 130 v130 -0.009 184 126 v126 -0.010 185 71 v71 -0.010 186 127 v127 -0.010 187 48 v48 -0.010 188 78 v78 -0.010 189 118 v118 -0.010 190 107 v107 -0.011 191 64 v64 -0.011 192 60 v60 -0.011 193 81 v81 -0.012 194 24 v24 -0.012 195 65 v65 -0.013 196 113 v113 -0.013 197 122 v122 -0.014 198 46 v46 -0.014 199 51 v51 -0.014 200 57 v57 -0.014 201 92 v92 -0.015 202 62 v62 -0.015 203 13 v13 -0.016 204 41 v41 -0.017 205 35 v35 -0.017 206 66 v66 -0.018 207 5 v5 -0.018 208 45 v45 -0.019 209 112 v112 -0.019 210 8 v8 -0.019 211 36 v36 -0.020 212 82 v82 -0.020 213 105 v105 -0.020 214 73 v73 -0.021 215 30 v30 -0.022 216 47 v47 -0.023 217 1 v1 -0.024 218 29 v29 -0.026 219 3 v3 -0.026 220 15 v15 -0.026 221 23 v23 -0.027 222 72 v72 -0.028 223 10 v10 -0.029 224 22 v22 -0.029 225 55 v55 -0.030 226 43 v43 -0.031 227 123 v123 -0.032 228 14 v14 -0.033 229 61 v61 -0.034 230 2 v2 -0.037 231 56 v56 -0.038 232 9 v9 -0.040 *** This program and the respective minimum Redundancy Maximum Relevance (mRMR) algorithm were developed by Hanchuan Peng for the paper "Feature selection based on mutual information: criteria of max-dependency, max-relevance, and min-redundancy," Hanchuan Peng, Fuhui Long, and Chris Ding, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 27, No. 8, pp.1226-1238, 2005.