[發(fā)明專(zhuān)利]基于KNN的置信回歸算法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201410767787.4
• 申請(qǐng)日: 2014-12-12
• 公開(kāi)（公告）號(hào): CN104537157A
• 公開(kāi)（公告）日: 2015-04-22
• 發(fā)明（設(shè)計(jì)）人: 蔣方純;田盛豐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳信息職業(yè)技術(shù)學(xué)院
• 主分類(lèi)號(hào): G06F17/50
• 分類(lèi)號(hào): G06F17/50;G06F19/24
• 代理公司: 深圳中一專(zhuān)利商標(biāo)事務(wù)所 44237
• 代理人: 張全文

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器學(xué)習(xí)領(lǐng)域，尤其涉及一種基于KNN的置信回歸算法及裝置。

背景技術(shù)

機(jī)器學(xué)習(xí)的研究領(lǐng)域除了對(duì)分類(lèi)問(wèn)題進(jìn)行研究外，還有一個(gè)重要研究領(lǐng)域就是回歸預(yù)測(cè)的研究。所以對(duì)應(yīng)著置信機(jī)器學(xué)習(xí)研究，也應(yīng)該包括置信分類(lèi)研究和置信回歸研究。目前對(duì)置信機(jī)器學(xué)習(xí)的研究主要集中在分類(lèi)問(wèn)題上，目前多數(shù)的置信機(jī)器研究也主要集中在置信分類(lèi)問(wèn)題上，對(duì)置信回歸的研究卻比較少；但是置信回歸在醫(yī)療診斷預(yù)測(cè)等高風(fēng)險(xiǎn)的應(yīng)用領(lǐng)域有著重要的現(xiàn)實(shí)意義。

現(xiàn)有技術(shù)提供的一種用支持向量機(jī)方法做置信回歸，如文獻(xiàn)《支持向量機(jī)回歸在線建模及應(yīng)用》(王定成等，控制與決策，2003.1)；文獻(xiàn)(Zidelmal?Z,Amirou?A,Belouchrani?A.HEARTBEAT?CLASSIFICATION?USING?SUPPORT?VECTOR?MACHINES(SVMs)WITH?AN?EMBEDDED?REJECT?OPTION[J].INTERNATIONAL?JOURNAL?OF?PATTERN?RECOGNITION?AND?ARTIFICIAL?INTELLIGENCE,2012,26(1))對(duì)對(duì)帶有拒絕選項(xiàng)的分類(lèi)器進(jìn)行了研究，根據(jù)貝葉斯學(xué)習(xí)方法，對(duì)于兩類(lèi)分類(lèi)問(wèn)題，提出了優(yōu)化分類(lèi)器和拒絕規(guī)則，并據(jù)此設(shè)置閾值。

在實(shí)現(xiàn)現(xiàn)有技術(shù)的方案中，發(fā)現(xiàn)現(xiàn)有技術(shù)存在如下技術(shù)問(wèn)題：

現(xiàn)有技術(shù)提供的技術(shù)方案沒(méi)有進(jìn)行分類(lèi)預(yù)處理，置信回歸不準(zhǔn)確。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的目的在于提供一種基于KNN的置信回歸算法，其解決現(xiàn)有技術(shù)的置信回歸不準(zhǔn)確的問(wèn)題。

本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一方面，一種基于KNN的置信回歸算法，所述方法包括如下步驟：

101、確定樣本集，該樣本集包括：已知回歸樣本集和未知回歸樣本集；

102、在未知回歸樣本集中選出未知樣本x^p；

103、計(jì)算出x^p與已知回歸樣本集中每個(gè)樣本之間的歐式距離D_E(X,Z)；

其中，DE(Xp,Zq)=Σi=1n(xip-ziq)2;]]>

D_E(X^p,Z^q)表示未知樣本x^p與已知樣本Z^q之間的歐式距離，其中，樣本X^p＝(x₁^p，x₂^p，…，x_n^p)；樣本Z^q＝[z₁^q,z₂^q…,z_n^q]；x_i^p表示樣本x^p的第i個(gè)元素；z_i^q表示樣本Z^q的第i個(gè)元素；

104、在已知樣本集中查詢(xún)出與x^p的歐式距離最近的K個(gè)樣本；計(jì)算K個(gè)樣本的回歸值的平均值