基于交互信息数据集特征结构的研究.pdfVIP

第27 卷摇 第 1期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.27摇 No.1 摇 2014年1月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Jan. 摇 2014 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 基于交互信息的数据集特征结构研究* 刘摇 娟摇 摇 朱翔鸥摇 摇 刘文斌 (温州大学 物理与电子信息工程学院摇 温州325035) 摘摇 要摇 机器学习分类领域提出大量的分类算法,如何为数据集找到合适的分类算法成为研究的重要内容之一. 文献[8]提出一种新的数据集离散化方法用来刻画数据集的特征,且在推荐方法方面取得较好的结果.本文在此基 础上利用交互信息理论刻画数据集的属性与属性及属性与类标签之间协作关系,提出基于二变量和基于三变量的 交互信息特征结构.通过12种分类算法在UCI数据库中的98个数据集上的性能实验,结果表明与文献[8]的方法 相比,两种方法都能明显提高推荐方法的精度和命中率,且对于适应性较差的数据集,基于三变量的交互信息方法 更为有效. 关键词摇 分类算法,交互信息,数据集特征结构 中图法分类号摇 TP391.4 Research on Dataset Feature Structure Based on Interaction Information LIUJuan,ZHU Xiang鄄Ou,LIU Wen鄄Bing (College of Physics Electronic Information Engineering,Wenzhou University,Wenzhou325035) ABSTRACT In machinelearningarea,classificationalgorithmsarewidely studiedandalargenumberof different types of algorithmsareproposed. Howtoselectappropriateonesfromsomanyclassificationalgorithmsfor the datasets becomes a crucial problem. Recently, a new method in reference [8] is proposed to characterize datasets and achieve better resultsin algorithm recommendation. In thispaper,two methods are presented to characterize datasets under the theory of interaction information. The performance of 12 different types of classification algorithms on the 98 UCI datasets illustrates that both two鄄variable and three鄄variable interaction information methodscan improve the precision and the hit rate of recommended algorithms. Furthermore,the latter performs even better under datasetswith poor adaptability. Key Words摇 Classification Algorithm,Interaction Information,Dataset Feature Structure *国家自然科学基