您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 自动化计算机 > 自动化理论 > 摘要

一种基于决策森林的单调分类方法

《计算机研究与发展》2017年 第7期 | 许行 王文剑 任丽芳   山西大学计算机与信息技术学院 太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西财经大学应用数学学院 太原030006
  • 第1页
  • 第2页
  • 第3页
  • 第4页
论文服务:
摘 要:单调分类问题是特征与类别之间带有单调性约束的有序分类问题.对于符号数据的单调分类问题已有较好的方法,但对于数值数据,现有的方法分类精度和运行效率有限.提出一种基于决策森林的单调分类方法(monotonic classification method based on decision forest,MCDF),设计采样策略来构造决策树,可以保持数据子集与原数据集分布一致,并通过样本权重避免非单调数据的影响,在保持较高分类精度的同时有效提高了运行效率,同时这种策略可以自动确定决策森林中决策树的个数.在决策森林进行分类时,给出了决策冲突时的解决方法.提出的方法既可以处理符号数据,也可以处理数值数据.在人造数据集、UCI及真实数据集上的实验数据表明:该方法可以提高单调分类性能和运行效率,缩短分类规则的长度,解决数据集规模较大的单调分类问题.
【分 类】【工业技术】 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 自动推理、机器学习
【关键词】 单调分类 决策树 单调一致性 决策森林 集成学习
【出 处】 《计算机研究与发展》2017年 第7期 1477-1487页 共11页
【收 录】 中文科技期刊数据库