基于AUC的SVM多類分類算法的優(yōu)化.pdf

1、支持向量機(Support Vector Machine，SVM)算法作為分類學(xué)習(xí)領(lǐng)域中一個分類正確率(Accuracy)較高的算法已經(jīng)得到了廣泛的應(yīng)用，但其對于多類別代價敏感性數(shù)據(jù)的分類方法仍然沒有一個統(tǒng)一的模式，并且以正確率作為評價標(biāo)準(zhǔn)并不能保證總體誤分類代價最小。AUC(Area Under the ROC Curve，ROC曲線下面積)評價標(biāo)準(zhǔn)可以衡量數(shù)據(jù)類別在任何分布或任何錯誤代價下分類算法的總體性能并且已經(jīng)廣泛應(yīng)用于機器學(xué)習(xí)

2、中對多類分類算法進行評價。針對此現(xiàn)狀，本文在詳細(xì)分析AUC評價標(biāo)準(zhǔn)和SVM多類分類方法后，通過兩者的結(jié)合來對多類別數(shù)據(jù)進行分類，并利用遺傳算法(Genetic Algorithm，GA)對其分類結(jié)果AUC進行優(yōu)化，從而形成了一個新的SVM多類分類方法——基于AUC的遺傳算法優(yōu)化SVM多類分類方法(GA Optimize Multi-class SVM Based on AUC，GOSMAUC)。GOSMAUC既解決了AUC評價SVM多類

3、分類結(jié)果的問題，又能夠?qū)ζ浣Y(jié)果進行優(yōu)化，該方法對于SVM在多類分類學(xué)習(xí)領(lǐng)域提供了一個更為有效的解決多類分類問題的方法。 本文在LIBSVM平臺上通過改造實現(xiàn)了GOSMAUC算法并在UCI多類別數(shù)據(jù)集上進行了實驗驗證。其結(jié)果表明GOSMAUC可以有效的評價SVM多類分類方法的分類性能，并且相對其它相關(guān)算法在AUC評價結(jié)果上有了較大的提高。該方法具有計算復(fù)雜度低、可理解性強、與多類別數(shù)據(jù)分布無關(guān)等優(yōu)點，可以用來解決多類別分類問題。