基于轉(zhuǎn)導(dǎo)推理思想的一致性預(yù)測器.pdf

1、當(dāng)前存在的一些機(jī)器學(xué)習(xí)分類算法多是建立在歸納、演繹邏輯推理的方法基礎(chǔ)之上,面對一批數(shù)據(jù)總是試圖從中提取一個適用的通用分類模型,并期望此分類模型有較高的預(yù)測性能;但是這種分類模式在高風(fēng)險、小樣本領(lǐng)域卻有一定的局限性:首先基于數(shù)量有限的小樣本數(shù)據(jù),用于歸納一個通用規(guī)則的訓(xùn)練樣本數(shù)據(jù)較少,造成分類模型的準(zhǔn)確度較低,而且忽略了測試集樣本的信息,從而不能充分利用所有樣本數(shù)據(jù)信息;其次分類預(yù)測結(jié)果通常只是簡單的將樣本劃分為某一類,對樣本多大程度上屬

2、于這一類沒有一個量的概念,且預(yù)測結(jié)果沒有置信度衡量,在高風(fēng)險領(lǐng)域的應(yīng)用尚有不足。
　　 本文對基于轉(zhuǎn)導(dǎo)推理的一致性預(yù)測算法的研究就是針對此局限性而展開的。轉(zhuǎn)導(dǎo)推理是基于整個樣本所擁有的全部信息直接進(jìn)行分類識別的原則方法,分類過程中不需歸納分類模型,而是通過探索待測數(shù)據(jù)和樣本序列之間的內(nèi)在聯(lián)系而進(jìn)行推理判別;算法是通過Kolmogorov算法隨機(jī)性理論建立一種置信度機(jī)制,通過隨機(jī)性檢測函數(shù)對置信度進(jìn)行估算,且隨機(jī)性檢測函數(shù)的結(jié)果就

3、是預(yù)測結(jié)果的可信度,同時在置信度控制下其算法預(yù)測結(jié)果是域的形式。
　　 一致性預(yù)測算法的核心部分是非一致性度量函數(shù)的設(shè)計,設(shè)計非一致性度量函數(shù)可以融合現(xiàn)有分類算法進(jìn)行。本文首先對k近鄰一致性預(yù)測算法和支持向量機(jī)一致性預(yù)測算法進(jìn)行研究,并在k近鄰一致性預(yù)測算法的基礎(chǔ)上進(jìn)行改進(jìn),提出用測地線距離來代替歐式距離度量樣本間相似性;然后基于邏輯回歸模型實現(xiàn)了基于Logistic回歸的一致性預(yù)測算法;本文所有算法都是基于MatlabR200