CN106611187A - 一种多维尺度的异构代价敏感决策树构建方法 - Google Patents
一种多维尺度的异构代价敏感决策树构建方法 Download PDFInfo
- Publication number
- CN106611187A CN106611187A CN201610445671.8A CN201610445671A CN106611187A CN 106611187 A CN106611187 A CN 106611187A CN 201610445671 A CN201610445671 A CN 201610445671A CN 106611187 A CN106611187 A CN 106611187A
- Authority
- CN
- China
- Prior art keywords
- cost
- attribute
- function
- misclassification
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本发明提出了一种多维尺度的异构代价敏感决策树构建方法,根据属性的目标函数从候选属性中选,由节点延伸出满足条件分支,同时利用先剪枝技术对叶子节点进行剪枝操作,一边建树一边剪枝,当满足以下两个条件时,停止建树。一、假设为训练数据集中的样本集合,如果为空,加上一个叶子节点,标记为训练数据集中最普通的类。二、此结点中所有例子属于同一类。此发明提高了分类的准确度;扩大了应用的范围;避免了分裂属性信息存在因过小而被忽略的风险;降低了风险率;提高了分类学习的速率。
Description
技术领域
本发明涉及机器学习、人工智能以及数据挖掘领域。
背景技术
决策树相关课题是数据挖掘和机器学习中的一项重要和积极的研究课题。所提出的算法被广泛和成功地应用于实际问题中,如ID3,CART和C4.5,决策树此类经典算法主要是研究准确率的问题,生成的决策树准确率更高。在现有的算法中,有些只考虑测试代价,有些只考虑误分类错误代价,此类被称之为一维尺度代价敏感,其构建的决策树在现实案例中并不能解决综合问题。例如,在代价敏感学习中除了需考虑测试代价和误分类代价对分类的影响,还需考虑待时间代价对分类预测的影响。例如,患者可能存在测试代价约束,也有可能存在等待时间上的约束,根据不同类别需求人所具备的自身资源不同,所需的时间长短也不同,考虑各种代价单位机制不同的问题,另外在构建决策树过程中,采用先剪支技术来解决决策树中过拟合问题,为了解决这种需求,本发明在之前一维和二维尺度代价基础上,提出了一种多维尺度的异构代价敏感决策树构建方法。
发明内容
针对于解决同时考虑测试代价、误分类代价以及等待时间代价影响因子来构建多维尺度决策树过程的问题、考虑各种代价单位机制不同的问题,提出了一种多维尺度的异构代价敏感决策树构建方法。
为解决上述问题,本发明提出了以下技术方案:
一种多维尺度的异构代价敏感决策树构建方法,包括如下步骤:
步骤1:设训练集中有X个样本,属性个数为n,即n=(S1,S2,…Sn),同时分裂属性Si对应了m个类L,其中Lr∈(L1,L2…,Lm),i∈(1,2…,n),r∈(1,2…,m)。相关领域用户设定好误分类代价矩阵C、属性Si测试代价为costi、资源调节因子∝、相对等待时间代价wc(Si)。
步骤2:创建根节点G。
步骤3:如果训练数据集为空,则返回节点G并标记失败。
步骤4:如果训练数据集中所有记录都属于同一类别,则该类型标记节点G。
步骤5:如果候选属性为空,则返回G为叶子结点,标记为训练数据集中最 普通的类。
步骤6:根据属性Si的目标函数f(Si)从候选属性中选择splitSi。
目标函数f(Si):
averagegini(Si)为信息纯度函数,D(Si)为各种代价效度函数。当选择属性splitSi满足目标函数f(Si)越大,则找到标记节点G。
当出现目标函数f(Si)相等时,为打破平局标准,则按照下面的优先顺序再进行选择:
(1)更大的Dmc(Si)
(2)更小的ZTC(Si)
步骤7:标记节点G为属性splitSi。
步骤8:由节点延伸出满足条件为splitS=splitSi分支,同时利用先剪枝技术对叶子结点进行剪枝操作,一边建树一边剪枝,如果满足以下两条件之一,就停止建树。
8.1这里假设Yi为训练数据集中splitS=splitSi的样本集合,如果Yi为空,加上一个叶子结点,标记为训练数据集中最普通的类。
8.2此结点中所有例子属于同一类。
步骤9:非8.1与8.2中情况,则递归调用步骤6至步骤8。
步骤10:更新训练数据集,保存新的示例数据。
本发明有益效果是:
1、构建的决策树有更好分类准确度,加强了分类能力,避免了当类中有稀有类时,把它当做普通类进行分类。
2、考虑了多种代价影响因子,此生成的决策树模型应用范围要更广,更符合实际的需求。
3、在决策树构建过程中,避免了分裂属性信息存在因过小而被忽略的风险。
4、建树过程中,利用了效度来度量测试代价以及待时间代价总代价能使误分类代价得到最大力度的降低,以及解决了现实中把误分类代价、测试代价以及待时间代价看成同一度量单位的不合理性,形成的决策树具有高的分类精度和降低误分类代价、测试代价以及待时间代价。
5、利用先剪支技术对决策树进行剪支提高了分类学习的速率。
附图说明
图1为一种多维尺度的异构代价敏感决策树构建的流程图
具体实施方式
为解决同时考虑测试代价、误分类代价以及待时间代价影响因子来构建多维尺度决策树过程的问题、以及考虑各种代价单位机制不同的问题,最后生成的决策树更好的规避了过度拟合问题,结合图1对本发明进行了详细说明,其具体实施步骤如下:
步骤1:设训练集中有X个样本,属性个数为n,即n=(S1,S2,…Sn),同时分裂属性Si对应了m个类L,其中Lr∈(L1,L2…,Lm),i∈(1,2…,n),r∈(1,2…,m)。相关领域用户设定好误分类代价矩阵C、属性Si测试代价为costi、资源调节因子∝、wc(Si)—相对等待时间代价值。
1)上述步骤1中所述的误分类代价矩阵C具体设定如下:
相关领域用户误分类代价矩阵C的设定:
类别标识个数为m,则该数据的代价矩阵m×m方阵是:
其中cij表示第j类数据分为第i类的代价,如果i=j为正确分类,则cij=0,否则为错误分类cij≠0,其值由相关领域用户给定,这里i,j∈(1,2,…,m)
步骤2:创建根节点G。
步骤3:如果训练数据集为空,则返回节点G并标记失败。
步骤4:如果训练数据集中所有记录都属于同一类别,则该类型标记节点G。
步骤5:如果候选属性为空,则返回G为叶子结点,标记为训练数据集中最普通的类。
步骤6:根据属性Si的目标函数f(Si)从候选属性中选择splitSi。
目标函数f(Si):
averagegini(Si)为信息纯度函数,D(Si)为代价效度函数,
其中D(Si)—代价效度函数公式为:
Dmc(Si)为误分类损失代价减少函数,ZTC(Si)为测试代价与相对等待时间代 价的总代价函数。
当选择属性splitSi满足目标函数f(Si)越大,,则找到标记节点G。
2)上述步骤6求解目标函数f(Si),需要先求解averagegini(Si)—信息纯度函数、D(Si)—代价效度函数,具体求解过程如下:
2.1)计算averagegini(Yi)—信息纯度函数的具体过程如下:
基尼指数是一种不纯度分裂方法,基尼指数表示为gini(Yi),定义为:
其中p(Li/Yi)为类别Li在属性值Yi处的相对概率,当gini(Yi)=0时,即在此结
点处所有记录都属于同一类别,增加一叶子结点,即信息纯度越大。反之,gini(Yi)最大,得到的有用信息最小,则继续根据目标函数f(Si)候选下一个属性。
根据gini(Yi)可以得知averagegini(Si)
这里属性S有j个属性值,即属性值为(Y1,Y2,…,Yj)
信息纯度函数averagegini(Si)作用:可以提高决策树的分类精度
2.2)求解D(Si)—代价效度函数
求解D(Si)—代价效度函数,需要先求解Dmc(Si)—误分类损失代价减少函数和ZTC(Si)—测试代价与相对等待时间代价的总代价函数。
2.2.1)求解Dmc(Si)—误分类损失代价减少函数具体过程如下:
如果对事例预测的类标签La与真实类标签Lb相同,则分类正确,此时的误分类代价C(La,Lb)=0,如果La≠Lb,则C(La,Lb)≠0。在分类过程中,通常不知道事例的实际标签,所以这里用误分类代价的期望Emc来代替误分类代价的值,即,把一个事例的类标签预测为La的误分类代价的期望为:
其中,L为数据集中所有类标签集合,p(Lb/Si)为当前选择属性Si中含有类Lb的概率,C(La,Lb)为把类Lb误分为类La的代价花费。
分裂属性的选择还应该以误分类代价降低最大为基本原则,在没有选择属性 Si时有一个总的误分类代价mc,选择任何一个属性进行测试,都有可能减少一定的误分类代价,这里构造出误分类损失代价减少函数Dmc(Si)。
Dmc(Si)=mc-Emc(Si,La)
Mc为还没有选择分裂属性Si前的所有误分类代价的总和,这个可以根据用户设定的误分类代价矩阵很容易求得出来。
2.2.2)求解ZTC(Si)—测试代价与相对等待时间代价的总代价函数具体过程如下:
ZTC(Si)=TC(Si)+∝wc(Si)
其中∝是个调节因子,不同资源∝不同,资源越多∝越大,反之也成立。TC(Si)为属性测试代价函数,wc(Si)为相对等待时间代价函数,wc(Si)由专家确定。
属性测试代价为TC(Si)设定如下:
TC(Si)=(1+costi)
其中costi为属性Si测试代价,这个由用户指定
以下具体介绍相对等待时间代价wc(Si):
等待时间代价与时间有关,即我们可以用数值来描述这些时间敏感代价,如果结果可以马上得到,等待时间代价为0;如果结果要几天,就由相应专家确定一个数值。另外规定,如果一定要这个测试结果出来才能进行下一个测试,即使等待的时间不多,如半天或一天,都把这个等待时间代价设为一个很大的常数,即m→∞。
等待时间同时还和当地资源有关,同时考虑时间代价和资源约束代价。
当出现目标函数f(Si)相等时,为打破平局标准,则按照下面的优先顺序再进行选择:
(1)更大的Dmc(Si)
(2)更小的ZTC(Si)
步骤7:标记节点G为属性splitS。
步骤8:由节点延伸出满足条件为splitS=splitSi分支,同时利用先剪支技术对叶子结点进行剪枝操作,一边建树一边剪枝,如果满足以下两条件之一,就停止建树。
8.1这里假设Yi为训练数据集中splitS=splitSi的样本集合,如果Yi为空,加上一个叶子结点,标记为训练数据集中最普通的类。
8.2此节点中所有例子属于同一类。
3)上述步骤8所述的先剪枝技术,其判定条件具体如下:
为一个叶子结点类Lr的样本数,X为训练集总体样本数,p为用户基于训练集的样本个数百分比的最小值设定的一个适当的阈值。剪枝条件首先要达到用户指定条件。
步骤9:非8.1与8.2中情况,则递归调用步骤6至步骤8。
步骤10:更新训练数据集,保存新的示例数据。
一种多维尺度的异构代价敏感决策树构建方法,其伪代码计算过程如下:
输入:X个样本训练集,误分类代价矩阵C、属性Si测试代价为costi、资源调节因子∝、wc(Si)—相对等待时间代价。
输出:一种多维尺度的异构代价敏感决策树构建方法。
Claims (3)
1.一种多维尺度的异构代价敏感决策树构建方法,该方法涉及涉及机器学习、人工智能以及数据挖掘领域,其特征是,包括如下步骤:
步骤1:设训练集中有X个样本,属性个数为n,即,同时分裂属性对应了m个类L,其中, ,相关领域用户设定好误分类代价矩阵C、属性测试代价为、资源调节因子—相对等待时间代价值
1)上述步骤1中所述的误分类代价矩阵C具体设定如下:
相关领域用户误分类代价矩阵C的设定:
类别标识个数为m,则该数据的代价矩阵方阵是:
其中表示第类数据分为第类的代价,如果为正确分类,则,否则为错误分类,其值由相关领域用户给定,这里
步骤2:创建根节点G
步骤3:如果训练数据集为空,则返回结点G并标记失败
步骤4: 如果训练数据集中所有记录都属于同一类别,则该类型标记结点G
步骤5:如果候选属性为空,则返回G为叶子结点,标记为训练数据集中最普通的类
步骤6:根据属性的目标函数从候选属性中选择
步骤7:标记结点G为属性
步骤8:由结点延伸出满足条件为分支,同时利用先剪枝技术对叶子节点进行剪枝操作,一边建树一边剪枝,如果满足以下两条件之一,就停止建树
8.1这里假设为训练数据集中的样本集合,如果为空,加上一个叶子结点,标记为训练数据集中最普通的类
8.2此结点中所有例子属于同一类
步骤9:非8.1与8.2中情况,则递归调用步骤6至步骤8
步骤10:更新训练数据集,保存新的示例数据。
2.根据权利要求1中所述的一种多维尺度的异构代价敏感决策树构建方法,其特征是,以上所述步骤6中相关的计算过程如下:
步骤6:根据属性的目标函数从候选属性中选择
目标函数:
为信息纯度函数,为代价效度函数
其中—代价效度函数公式为:
为误分类损失代价减少函数,为测试代价与相对等待时间代价的总代价函数
当选择属性满足目标函数越大,则找到标记结G
2)上述步骤6求解目标函数,需要先求解—信息纯度函数、—代价效度函数,具体求解过程如下:
2.1) 计算—信息纯度函数的具体过程如下:
基尼指数是一种不纯度分裂方法,基尼指数表示为,定义为:
其中为类别在属性值处的相对概率,当时,即在此结点处所有记录都属于同一类别,增加一叶子节点,即信息纯度越大,
反之,最大,得到的有用信息最小,则继续根据目标函数候选下一个属性
根据可以得知
这里属性S有j个属性值,即属性值为
信息纯度函数作用:可以提高决策树的分类精度
2.2) 求解—代价效度函数
求解—代价效度函数,需要先求解—误分类损失代价减少函数和—测试代价与相对等待时间代价的总代价函数
2.2.1)求解—误分类损失代价减少函数具体过程如下:
如果对事例预测的类标签与真实类标签相同,则分类正确,此时的误分类代价,如果,则,在分类过程中,通常不知道事例的实际标签,所以这里用误分类代价的期望Emc来代替误分类代价的值,即,把一个事例的类标签预测为的误分类代价的期望为:
Emc
其中,L为数据集中所有类标签集合,为当前选择属性中含有类的概率,为把类误分为类的代价花费
分裂属性的选择还应该以误分类代价降低最大为基本原则,在没有选择属性时有一个总的误分类代价mc,选择任何一个属性进行测试,都有可能减少一定的误分类代价,这里构造出误分类损失代价减少函数
为还没有选择分裂属性前的所有误分类代价的总和,这个可以根据用户设定的误分类代价矩阵很容易求得出来
2.2.2)求解—测试代价与相对等待时间代价的总代价函数具体过程如下:
其中是个调节因子,不同资源不同,资源越多越大,反之也成立,为属性测试代价函数,为相对等待时间代价函数,由专家确定
属性测试代价为设定如下:
其中为属性测试代价,这个由用户指定
以下具体介绍相对等待时间代价:
等待时间代价与时间有关,即我们可以用数值来描述这些时间敏感代价,如
果结果可以马上得到,等待时间代价为0;如果结果要几天,就由相应专家确定一个数值,另外规定,如果一定要这个测试结果出来才能进行下一个测试,即使等待的时间不多,如半天或一天,都把这个等待时间代价设为一个很大的常数,即
等待时间同时还和当地资源有关,同时考虑时间代价和资源约束代价
当出现目标函数相等时,为打破平局标准,则按照下面的优先顺序再进行选择:
(1)更大的
(2)更小的。
3.根据权利要求1中所述的一种多维尺度的异构代价敏感决策树构建方法,其特征是,以上所述步骤8中相关的计算过程如下:
步骤8:由结点延伸出满足条件为分支,同时利用先剪枝技术对叶子节点进行剪枝操作,一边建树一边剪枝,如果满足以下两条件之一,就停止建树
8.1这里假设为训练数据集中的样本集合,如果为空,加上一个叶子结点,标记为训练数据集中最普通的类
8.2此结点中所有例子属于同一类
3)上述步骤8所述的先剪枝技术,其判定条件具体如下:
为一个叶子节点类的样本数,X为训练集总体样本数,为用户基于训练集的样本个数百分比的最小值设定的一个适当的阈值,剪枝条件首先要达到用户指定条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610445671.8A CN106611187A (zh) | 2016-06-17 | 2016-06-17 | 一种多维尺度的异构代价敏感决策树构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610445671.8A CN106611187A (zh) | 2016-06-17 | 2016-06-17 | 一种多维尺度的异构代价敏感决策树构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106611187A true CN106611187A (zh) | 2017-05-03 |
Family
ID=58614819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610445671.8A Pending CN106611187A (zh) | 2016-06-17 | 2016-06-17 | 一种多维尺度的异构代价敏感决策树构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106611187A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110085324A (zh) * | 2019-04-25 | 2019-08-02 | 深圳市华嘉生物智能科技有限公司 | 一种多重生存终端结果联合分析的方法 |
CN115146725A (zh) * | 2022-06-30 | 2022-10-04 | 北京百度网讯科技有限公司 | 对象分类模式的确定方法、对象分类方法、装置和设备 |
-
2016
- 2016-06-17 CN CN201610445671.8A patent/CN106611187A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110085324A (zh) * | 2019-04-25 | 2019-08-02 | 深圳市华嘉生物智能科技有限公司 | 一种多重生存终端结果联合分析的方法 |
CN110085324B (zh) * | 2019-04-25 | 2023-09-08 | 深圳市华嘉生物智能科技有限公司 | 一种多重生存终端结果联合分析的方法 |
CN115146725A (zh) * | 2022-06-30 | 2022-10-04 | 北京百度网讯科技有限公司 | 对象分类模式的确定方法、对象分类方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Katarya et al. | Impact of machine learning techniques in precision agriculture | |
CN108845988B (zh) | 一种实体识别方法、装置、设备及计算机可读存储介质 | |
CN110135231A (zh) | 动物面部识别方法、装置、计算机设备和存储介质 | |
CN110516910A (zh) | 基于大数据的保单核保模型训练方法和核保风险评估方法 | |
CN104966105A (zh) | 一种鲁棒机器错误检索方法与系统 | |
CN110362723A (zh) | 一种题目特征表示方法、装置及存储介质 | |
CN103324954A (zh) | 一种基于树结构的图像分类方法及其系统 | |
CN105095494A (zh) | 一种对分类数据集进行测试的方法 | |
CN110263979A (zh) | 基于强化学习模型预测样本标签的方法及装置 | |
CN110598869B (zh) | 基于序列模型的分类方法、装置、电子设备 | |
CN111914159A (zh) | 一种信息推荐方法及终端 | |
CN106611189A (zh) | 标准化多维代价敏感决策树的集成分类器构建方法 | |
CN106611188A (zh) | 一种标准化的多维尺度代价敏感决策树构建方法 | |
CN106611036A (zh) | 一种改进的多维尺度异构代价敏感决策树构建方法 | |
CN106611187A (zh) | 一种多维尺度的异构代价敏感决策树构建方法 | |
CN111340637B (zh) | 一种基于机器学习反馈规则增强的医疗保险智能审核系统 | |
CN106611183A (zh) | 基尼指数与误分类代价敏感决策树构建方法 | |
CN106611181A (zh) | 基于代价敏感二维尺度决策树构造方法 | |
CN106611180A (zh) | 基于测试代价的决策树分类器构造方法 | |
CN106611185A (zh) | 多标准误分类代价敏感决策树构建方法 | |
Parmar et al. | Crop Yield Prediction based on Feature Selection and Machine Learners: A Review | |
Shoaib et al. | Revolutionizing Global Food Security: Empowering Resilience through Integrated AI Foundation Models and Data-Driven Solutions | |
CN112784033B (zh) | 一种时效等级识别模型训练及应用的方法、及电子设备 | |
Belattar et al. | Overview of Artificial Intelligence in Agriculture: An Impact of Artificial Intelligence Techniques on the Agricultural Productivity | |
CN115017417B (zh) | 基于标签智能过滤和推荐的政策匹配方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170503 |
|
WD01 | Invention patent application deemed withdrawn after publication |