混合型數(shù)據(jù)的代價(jià)敏感學(xué)習(xí)方法.pdf

1、隨著計(jì)算機(jī)技術(shù)的廣泛應(yīng)用，人類社會(huì)產(chǎn)生數(shù)據(jù)的速度急劇增加，大量有用信息被隱藏在海量數(shù)據(jù)中。數(shù)據(jù)挖掘則是人們提取這些信息，進(jìn)而獲得知識(shí)的重要技術(shù)。從大量的現(xiàn)實(shí)數(shù)據(jù)中挖掘隱藏在其中有用信息的過(guò)程即為數(shù)據(jù)挖掘。事實(shí)上，它們已經(jīng)被成功應(yīng)用到科學(xué)研究、工程、銀行和醫(yī)療等各個(gè)行業(yè)，并且正在發(fā)揮著越來(lái)越重要的作用。
　　粗糙集理論(Rough set theory)作為一種處理不確定信息的新型數(shù)學(xué)工具由Pawlak于1982年提出。粗糙集理論吸

2、引了世界范圍內(nèi)許多研究者和實(shí)踐者的關(guān)注。近年來(lái)，粗糙集理論及實(shí)際應(yīng)用都取得了長(zhǎng)足的發(fā)展。粗糙集理論已被成功地應(yīng)用于很多領(lǐng)域，尤其是在機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘。目前經(jīng)典粗糙集已成功處理符號(hào)型的數(shù)據(jù)，鄰域粗糙集成功處理數(shù)值型的數(shù)據(jù)。同時(shí)還產(chǎn)生了覆蓋粗糙集、決策粗糙集等諸多理論分支并成為粒計(jì)算三大理論之一。
　　代價(jià)敏感學(xué)習(xí)是數(shù)據(jù)挖掘中十大具有挑戰(zhàn)性問(wèn)題之一。代價(jià)是在數(shù)據(jù)獲取或數(shù)據(jù)處理的過(guò)程中產(chǎn)生的，是數(shù)據(jù)不可分割的一部分。測(cè)試代價(jià)是在進(jìn)行測(cè)

3、試時(shí)獲得每條測(cè)試的屬性值所付出的價(jià)值。誤分類代價(jià)即為把屬于一類的記錄劃分為另一類時(shí)需要支付的代價(jià)。代價(jià)敏感學(xué)習(xí)通過(guò)權(quán)衡測(cè)試代價(jià)和誤分類代價(jià)，使得所采取的行為的代價(jià)最小或產(chǎn)生最優(yōu)決策行為。在數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域，代價(jià)敏感學(xué)習(xí)既是熱點(diǎn)問(wèn)題，也是難點(diǎn)問(wèn)題。
　　在現(xiàn)實(shí)應(yīng)用中，所需處理的數(shù)據(jù)多為混合了符號(hào)型數(shù)據(jù)和數(shù)值型數(shù)據(jù)的混合型數(shù)據(jù)。已有的方法在處理混合型數(shù)據(jù)的代價(jià)敏感屬性選擇問(wèn)題時(shí)，常將不同類型的數(shù)據(jù)處理成一種類型的數(shù)據(jù)。例如，將混

4、合型數(shù)據(jù)中的符號(hào)型數(shù)據(jù)歸一化為數(shù)值型數(shù)據(jù)或?qū)?shù)值型的數(shù)據(jù)離散化成符號(hào)型數(shù)據(jù)。但是，這樣處理混合型數(shù)據(jù)會(huì)造成數(shù)據(jù)本身信息丟失，導(dǎo)致屬性選擇的測(cè)試代價(jià)和誤分類代價(jià)增加。因此，研究混合型數(shù)據(jù)的代價(jià)敏感學(xué)習(xí)無(wú)論就知識(shí)發(fā)現(xiàn)的理論研究，還是許多領(lǐng)域的應(yīng)用需求都具有重要的價(jià)值。本文主要研究數(shù)據(jù)值域?yàn)榛旌闲蛿?shù)據(jù)的代價(jià)敏感學(xué)習(xí)。
　　本文的研究?jī)?nèi)容主要分為兩部分：第一部分詳細(xì)研究了混合型數(shù)據(jù)的測(cè)試代價(jià)敏感屬性約簡(jiǎn)問(wèn)題。一方面，我們提出一個(gè)改進(jìn)的人工

5、蜂群算法來(lái)解決符號(hào)型數(shù)據(jù)上的測(cè)試代價(jià)敏感屬性約簡(jiǎn)問(wèn)題。實(shí)驗(yàn)結(jié)果表明，我們所改進(jìn)的算法的實(shí)驗(yàn)結(jié)果在很大程度上比已有的算法優(yōu)越。另一方面，我們提出自適應(yīng)鄰域和基于自適應(yīng)鄰域的算法解決混合型數(shù)據(jù)上的測(cè)試代價(jià)敏感屬性約簡(jiǎn)問(wèn)題。實(shí)驗(yàn)結(jié)果表明，我們所改進(jìn)的算法的實(shí)驗(yàn)結(jié)果在很大程度上比已有的算法優(yōu)越。
　　第二部分主要研究了混合型數(shù)據(jù)的代價(jià)敏感屬性選擇問(wèn)題。代價(jià)敏感屬性選擇問(wèn)題是考慮測(cè)試代價(jià)和誤分類代價(jià)屬性選擇問(wèn)題?；谧赃m應(yīng)鄰域模型，我們提出