[发明专利]一种基于随机森林的故障可能性预估方法

权利要求书

1.一种基于随机森林的故障可能性预估方法，其特征在于，包括以下步骤：

步骤1、获取设备上报的检测状态和参数，并将所述检测状态和所述参数作为原始样本集；

步骤2、根据所述原始样本集，构建随机森林模型，所述随机森林模型包括若干用于互补的决策树；且若干所述决策树分类器的输出结果遵循大多数投票法则；

步骤3、将测试数据输入所述随机森林分类器中，得到诊断结果。

2.如权利要求1所述的一种基于随机森林的故障可能性预估方法，其特征在于，所述步骤2、根据所述原始样本集，构建随机森林模型，所述随机森林模型包括若干用于互补的决策树；且若干所述决策树分类器的输出结果遵循大多数投票法则，包括：

步骤2.1、对所述原始样本集进行预处理；

步骤2.2、通过放回抽样的套袋法随机化生成若干相互独立的训练集；

步骤2.3各所述训练集分别生成一棵决策树，且随机选取各训练集中的特征进行决策树的节点分裂；

步骤2.4、采用大多数投票法则的方式得到若干决策树的输出结果。

3.如权利要求2所述的一种基于随机森林的故障可能性预估方法，其特征在于：在所述步骤2.3中采用的分裂方式为基于条件概率的无偏分裂，其中所述无偏分裂的表达公式为：

其中，m_i为属性A_i的值；p(v_i，j)为属性A_i是v_i值的概率；c为训练样本中类别的个数，p(y_i|v_i，j)为类标y_i在属性A_i条件下值为v_i的概率；p(y_i)为类标y_i出现的概率。

4.如权利要求2-3任一项所述的一种基于随机森林的故障可能性预估方法，其特征在于，所述步骤2、根据所述原始样本集，构建随机森林模型，所述随机森林模型包括若干用于互补的决策树；且若干所述决策树分类器的输出结果遵循大多数投票法则，还包括：步骤2.5、使用随机森林分类器进行变量重要性的计算，得到单个特征的重要性。

5.如权利要求4所述的一种基于随机森林的故障可能性预估方法，其特征在于，所述步骤2.5、使用随机森林分类器进行变量重要性的计算，得到单个特征的重要性，包括：

步骤2.5.1、将袋外数据根据类别k(k＝1……c)分成00b₁、00b₂、……、00b_c子样本；

步骤2.5.2、利用00b_k测试所述随机森林分类器准确性，获得一个准确参考值

步骤2.5.3、将00b_k中第h_th变量的值随机打乱，获得新的测试样本，使用新的测试样本测试所述随机森林分类器准确性，或得另一个准确参考值

其中mg(y,X)为间隔函数，

步骤2.5.4、输出第h_th变量的变量重要性，表达式为：

其中k＝1……c。

6.如权要求2所述的一种基于随机森林的故障可能性预估方法，其特征在于：经过所述步骤2.2得到的所述训练集的大小与所述原始样本集的大小相同。

7.如权要求2所述的一种基于随机森林的故障可能性预估方法，其特征在于：在所述决策树的节点分裂过程中，各所述训练集中选取的候选特征的数目相同。