[发明专利]基于随机森林的人员的危险性分析方法

说明书

本发明公开一种基于随机森林的人员的危险性分析方法，本发明涉及机器学习领域，包含目标类别选择、训练过程和评估过程；在人员多维度数据中选择与危险程度有关的YD作为目标类别，设置危险程度指标PYD，建立训练数据集PreTrainSet集合，训练随机森林回归模型得到RFM、GPYD和LNPY，计算得到被评估人员的危险性是平均水平的倍数SPYD，很直观评估出相对危险性大小。本发明评估方法训练数据中不包含人的主观判断或者量表测试结果，模型质量更高，同时也降低数据标注成本，加快模型更新速度，使得模型能够更快速更低成本地适应环境变化。

技术领域

本发明涉及机器学习领域，尤其涉及一种基于随机森林的人员的危险性分析方法。

背景技术

目前人员危险性评估主要有三种：一是经验型评估，由于受当时的条件限制，危险性评估的方式主要依据评估者对改造表现的直观感觉来界定，这类方法依赖评估者主观判断，总体准确率不高，而且评估过程中的关键是依靠评估者的素质，对于同一名待评价人员，不同评估者的结论可能差别较大；二是量表型评估，实现评估过程标准化和规范化，评估准确率不再依赖评估者的主观判断，但成熟有效的量表编制耗时非常长，多数量表在使用中不能随着社会环境、地理区域、人文风俗、成因等变化而区别对待；第三种是基于机器学习数据驱动的危险性评估方法，依靠多年积累的多维度数据，使用机器学习算法训练分类模型，再通过训练好的模型对待评价人员进行分类。

基于机器学习的危险性评估方法目前总体上仍然处于探索阶段，但是在实际操作过程中，普遍存在操作难度较大、评估信度效度较低的问题。现有的方法均基于经验，多采用分类的形式，即把待评价人员分为危险和非危险两类，或者分为高危、中危、低危等少数几个类别，缺乏量化的危险程度指标，无法精确区分一个类别中不同待评价人员危险程度的不同；其次，训练数据集的标注方法依赖于主观判断或者量表测试结果，不仅标注成本高昂，如前所述主观判断和量表测试都存在较大误差，导致训练数据集精确度也不高，有误差的训练数据训练出的模型必然精确度不高。有的方法虽然可以得到定量的危险程度指标，但难以解释其数值的含义，使用者难以理解和把握，无法快速灵活改变参数，难以适应新技术发展、信息系统和相关制度变化带来的环境变化。

因此，现需研究一种容易理解和把握、且适应性高、灵活度高的人员危险性分析方法。

发明内容

为解决上述技术问题，本发明提供一种基于随机森林的人员的危险性分析方法，建立的评估方法训练数据中不包含人的主观判断或者量表测试结果，模型质量更高，同时也降低数据标注成本，加快模型更新速度，使得模型能够更快速更低成本地适应环境变化。

为实现上述目的，本发明提供如下技术方案：

一种基于随机森林的人员的危险性分析方法，包含目标函数和特征的选择、训练模型和评估过程；其中，

(1)目标类别选择：

在人员多维度数据中选择一个维度YD作为目标类别，所述YD与危险程度有关，

设置危险程度指标PYD，PYD指标值含义为被评估人员YD维度取值为1的概率值；

(2)训练过程：

a、建立初始数据集PreTrainSet，PreTrainSet数据集是一个样本集合，每个样本对应多维度人员数据中一个人员的数据；

b、训练随机森林分类模型RFM，使用PreTrainSet数据集训练随机森林分类模型RFM；

或，在PreTrainSet数据集基础上，通过采样或SMOTE算法构造训练数据集TrainSet，使用TrainSet数据集训练随机森林分类模型RFM；

c、计算RFM中每个决策树的每个叶子节点的参数LNPY