改進(jìn)的遺傳算法在樣本選擇中的應(yīng)用研究.pdf

1、機(jī)器學(xué)習(xí)致力于解決大規(guī)模的、復(fù)雜的任務(wù)，所以發(fā)現(xiàn)大量數(shù)據(jù)中的潛在相關(guān)信息變得越來(lái)越重要。在許多應(yīng)用領(lǐng)域中，如基因工程、文本挖掘和商業(yè)智能，數(shù)據(jù)規(guī)模無(wú)論從特征數(shù)量上還是從樣本數(shù)量上都在日益增大。這對(duì)已有的機(jī)器學(xué)習(xí)算法提出了嚴(yán)峻的挑戰(zhàn)。 特征選擇能夠移除不相關(guān)特征，提高學(xué)習(xí)效率，改善學(xué)習(xí)性能，增強(qiáng)學(xué)習(xí)結(jié)果的可理解性。特征選擇在處理具有較多不相關(guān)特征的高維數(shù)據(jù)上已被證明是一種有效的手段。盡管出現(xiàn)了大量的特征選擇算法，特征選擇仍然面臨著

2、新的挑戰(zhàn)：如何處理高維海量的樣本。 如果樣本數(shù)量巨大，那么通常的方法是從部分?jǐn)?shù)據(jù)中學(xué)習(xí)，無(wú)損于性能地達(dá)到初始目標(biāo)。目前普遍采用的樣本選擇方法是隨機(jī)抽樣，然而隨機(jī)抽樣方法沒(méi)有利用數(shù)據(jù)的任何特點(diǎn)，比較盲目。本文提出一種改進(jìn)的遺傳算法，利用改進(jìn)的遺傳算法搜索樣本空間，將得到的訓(xùn)練集的近似最優(yōu)代表性子集作為訓(xùn)練集去分類評(píng)估集。同以往的隨機(jī)抽樣方法相比，在同樣的特征子集的情況下，本方法使用的樣本數(shù)量更少且預(yù)測(cè)準(zhǔn)確率更高。本文主要工作包括以

3、下兩方面： 1.針對(duì)尋找訓(xùn)練集最佳代表性子集的任務(wù)，遺傳算法在染色體表示、交叉方式和變異方式上進(jìn)行了改進(jìn)。針對(duì)現(xiàn)實(shí)的二值分類中正向樣本數(shù)極少且分布不平衡的特點(diǎn)，提出利用正確正向分類結(jié)果與錯(cuò)誤正向分類結(jié)果的比值作為遺傳算法的適應(yīng)度函數(shù)。 2.提出基于改進(jìn)的遺傳算法的樣本選擇模型，把該樣本選擇模型與局部進(jìn)化特征選擇算法相結(jié)合，并將其應(yīng)用在潛在客戶預(yù)測(cè)中。利用UCI標(biāo)準(zhǔn)數(shù)據(jù)集對(duì)本文所提出的樣本選擇模型進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果證明了該