[發(fā)明專利]用于不完整數(shù)據(jù)分類的集成學習樹構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 202111363459.4
• 申請日: 2021-11-17
• 公開（公告）號: CN114169542A
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計）人: 周紅芳;許海晨
• 申請（專利權(quán)）人: 西安理工大學
• 主分類號: G06N20/20
• 分類號: G06N20/20;G06K9/62
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 談耀文

1.用于不完整數(shù)據(jù)分類的集成學習樹構(gòu)建方法，其特征在于，具體按照以下步驟實施：

步驟1、對數(shù)據(jù)集D(F₁，F(xiàn)₂，...，F(xiàn)_K，label)進行缺失處理，其中F₁，F(xiàn)₂，...，F(xiàn)_K為K個特征，label為所屬的類別；

步驟2、將經(jīng)過缺失處理的數(shù)據(jù)集D按照十折交叉的方式劃分為訓練集D₁和測試集D₂；

步驟3、對訓練集D₁使用基于視圖和缺失模式的方法得到初級集成學習樹；

步驟4、利用測試集D₂對初級集成學習樹進行測試，獲得集成學習樹。

2.根據(jù)權(quán)利要求1所述用于不完整數(shù)據(jù)分類的集成學習樹構(gòu)建方法，其特征在于，步驟1所述數(shù)據(jù)集選自以下數(shù)據(jù)集：hepatitis、breast-cancer、processed-cleveland、processed-hungarian、primary-tumor、horse colic、mammographic_masses。

3.根據(jù)權(quán)利要求1所述用于不完整數(shù)據(jù)分類的集成學習樹構(gòu)建方法，其特征在于，步驟1具體過程為：

判斷數(shù)據(jù)集D(F₁，F(xiàn)₂，...，F(xiàn)_K，label)是否缺失數(shù)據(jù)，其中F₁，F(xiàn)₂，...，F(xiàn)_K為K個特征，label為所屬的類別，若缺失，則不進行處理，若不缺失，則采用完全隨機缺失的準則將數(shù)據(jù)集D變?yōu)椴煌暾麛?shù)據(jù)集。

4.根據(jù)權(quán)利要求1所述用于不完整數(shù)據(jù)分類的集成學習樹構(gòu)建方法，其特征在于，步驟3具體過程為：

步驟3.1、采用遞歸調(diào)用生成學習樹，對于學習樹上的節(jié)點node，判斷節(jié)點node是否為根節(jié)點，若為根節(jié)點，則該節(jié)點包含的樣本集合為訓練集D₁；若不是根節(jié)點，則為用其父節(jié)點的分類器分到某一類別的樣本集合；

步驟3.2、設(shè)定樣本純度閾值、樣本集合內(nèi)樣本個數(shù)閾值，若節(jié)點node所在的樣本集合純度不大于樣本純度閾值或樣本集合內(nèi)樣本個數(shù)不大于樣本集合內(nèi)樣本個數(shù)閾值，則該節(jié)點node設(shè)置為葉子節(jié)點，并將該節(jié)點node類型設(shè)置為樣本集合中樣本出現(xiàn)次數(shù)最多的類別，否則執(zhí)行步驟3.3；

步驟3.3、選出節(jié)點node中樣本集合的特征集合C以及特征集合C對應(yīng)的完整視圖V；

步驟3.4、找出完整視圖V中的所有缺失模式M₁，M₂，...，M_s，根據(jù)每個缺失模式M₁，M₂，...，M_s分別提取樣本集合中的樣本，得到缺失模式M₁，M₂，...，M_s對應(yīng)的子樣本集合N₁，N₂，...，N_s；

步驟3.5、對于每一個缺失模式M_i，用其對應(yīng)的子樣本集合N_i訓練分類器，這時節(jié)點node中的每個樣本會被其對應(yīng)的多個缺失模式分類器分成多個類別，利用投票原則確定每個樣本最終的類別，形成了M個類別，取每個類別包含的樣本集合為E_i，對于每一個E_i，都返回到步驟3.1，此時步驟3.1中節(jié)點所包含的樣本集合就為E_i；循環(huán)上述步驟，直到生成集成學習樹，即初級集成學習樹。