[发明专利]标准化多维代价敏感决策树的集成分类器构建方法

摘要

本发明提出了一种标准化多维代价敏感决策树的集成分类器构建方法，本发明在标准化的多维尺度代价敏感决策树构建方法基础上，针对单一的分类器有着结果不稳定的缺点，利用装袋法构建了一种集成分类器。此发明提高了分类的准确度；规避了分类过程中的偏置问题；考虑了多种代价影响因子和决策树分支中的空节点，若未知事物分类结果不符合当前模型，则可通过空节点继续下一步分类操作。另外，通过构建此类分类器使决策树分类精度比单个分类器分类精度高很多；构成的集成分类器泛化能力比单个分类器更强。

主权项

标准化多维代价敏感决策树的集成分类器构建方法，本发明涉及机器学习、人工智能以及数据挖掘领域，具体涉及一种标准化多维代价敏感决策树的集成分类器构建方法，其特征是，包括如下步骤：步骤一：设原始训练集中有D个样本，原始训练集属性特征个数为n，F为分类器个数，T为测试数据集步骤二：根据装袋法从D中随机出训练子集，从属性特征个数n中提取出属性特征子集个数步骤三：由子集利用目标函数作为属性选择因子来构建基分类器，即构建一个标准化多维代价敏感决策树步骤四：重复步骤2和步骤3，建立一个集成分类器步骤五：测试集中数据,通过集成分类器中每棵决策树和运行记录的预测值，根据投票预测结果，得票最多的预测类作为此测试数据的最终类标号。