基于Ⅳ屬性選擇的隨機(jī)森林模型研究.pdf

1、隨著信息技術(shù)的迅速發(fā)展，眾多應(yīng)用領(lǐng)域如銀行金融業(yè)、電子商務(wù)、生物信息、網(wǎng)絡(luò)安全等產(chǎn)生了爆炸式的信息。不僅在數(shù)據(jù)規(guī)模上具有高維、海量的特征，在信息內(nèi)容上還具有冗余多、噪音多的特點(diǎn)。這樣的數(shù)據(jù)給挖掘技術(shù)帶來(lái)了巨大的挑戰(zhàn)，尤其是處理數(shù)據(jù)流等問(wèn)題時(shí)，模型的實(shí)時(shí)性無(wú)法保障，使得更注重訓(xùn)練數(shù)據(jù)質(zhì)量的分類模型訓(xùn)練周期變長(zhǎng)，精度下降。因此，如何有效的減小數(shù)據(jù)規(guī)模，提高數(shù)據(jù)質(zhì)量對(duì)提高分類模型的性能有著重要意義。
　　 本文針對(duì)屬性選擇及分類問(wèn)題開(kāi)

2、展了以下工作的研究：
　　 (1)針對(duì)數(shù)據(jù)挖掘所面臨的挑戰(zhàn)，分析了有效縮減數(shù)據(jù)規(guī)模是重要的可行方法，并在此基礎(chǔ)上概述了各類經(jīng)典屬性選擇方法，探討了它們的特點(diǎn)與不足。
　　 (2)針對(duì)已有屬性選擇方法在處理高維、海量數(shù)據(jù)時(shí)，時(shí)空性能與效果上的不足，分析了將WoE與IV指標(biāo)引入屬性選擇的可行性及存在的問(wèn)題，在解決這些問(wèn)題的基礎(chǔ)上提出了基于IV指標(biāo)的屬性選擇方法FS-IV，實(shí)驗(yàn)表明該算法是有效的，與經(jīng)典屬性選擇方法相比時(shí)空性能

3、有明顯優(yōu)勢(shì)，并具有一定的抗噪性。
　　 (3)針對(duì)屬性選擇后數(shù)據(jù)集出現(xiàn)的數(shù)據(jù)量大幅減少、優(yōu)勢(shì)屬性集中可能會(huì)導(dǎo)致的過(guò)擬合等問(wèn)題，分析了解決手段，將FS-IV方法與隨機(jī)森林模型結(jié)合，提出了基于IV指標(biāo)的隨機(jī)森林模型，實(shí)驗(yàn)表明該模型與C4.5，樸素貝葉斯及經(jīng)過(guò)FS-IV約簡(jiǎn)的C4.5與樸素貝葉斯模型相比，在不損失精度的情況下，時(shí)間性能大幅提升。
　　 (4)根據(jù)高維、海量、流數(shù)據(jù)等實(shí)際問(wèn)題，對(duì)FS-IV及IV-RF模型做了適應(yīng)