一种获取混合型数据集描述规则的机器学习方法.pdfVIP

清华大学学报(自然科学版) 24／57 篁墼塑堡!!三竺里； 1111芝笙!!堂 !竺：!!!!!!垫!!竺坚!丝竺!窒!塞!!三!兰! 一种获取混合型数据集描述规ⅢII的机器学习方法。 孙杰，姚天顺 东北大学信息学院计算机系，沈粥110006 c“ E—mail：ics@mail．neu．edu 文摘从犬规模数据集中挖掘知识是机器学习方法研究和应用的一个重器方向并在科 学决镱、金融、商业和智能系统构造等领域得到了有效的随用¨’21．奉文研究了基于特征 选取和特征空阀划分的规剐知识获取蝎题，提出了一件从混合型g概念敬据集中摄取概 行过程和学习结果．该方法通过构造二叉树．动态抉取箍涵在离散和连续混台特扯数据 集中的规则知识．蛮验表明．NDRI，学习谜度侠、分类精度高、规则表达能力强月琢式 葭观． 关键词机器学习；规则获取：知龊挖掘：数据处坤 l基本概念与形式描述 设S={s．，s：…Isn}是由若干特征值对和相应概念值形成的数据组S；构成的样本集， IS|==Ⅱ．s，表示为111维空问的向量AS=(a1．a2。，a．0eAVS=AVlxAV2xxAV。到概念值集CV 可采用连续整数编码．CA中各特征的取值均变换到…数值区间LH口A、∈AV，=lAL、AR，l， Ak，AR为区间端点，AL。AR∈啦!． CeCV={cl，c!。，cF}为数据壤描述的概念值集合， p-2．S被称为混合型善概念数据集．HDRL算法利用特征闽值形成的超乎面对数据集进 行划分，空间维数为特征数m，困此形成111超空闯．由此}fI造：叉树形式的分类决镶树，特 征阈值的选取依据是信息熵的概念． 2 BDRL学习算法 HDRL算法通过构造二叉树，擐终在叶节点{二获取描述某‘概念值的区间规则，这种 二叉树是采用链式数据结构实现的．实现结构图略．算法实现步骤如卜： ’国家自然科学基金疆助(69675(119) 8z 清华大学学报(自然科学版) 1) 2) 3) 琊弘一骞㈧却 其中sj2{sls∈S+且S’】的概念c=q}．若E(S7)=o(或(c)则转步骤7)否则继续： 4、计算划分后的平均信息熵 设S“．掣2是用Ai一“。协{分S’后的子集．g(s“．s“)为阀情调整函数．计算平均信息墒为 刚，aJ一翮卅ii吨。c蹦啼引吨。c脚 51选择划分特征 选取特征A，及其闻值um，I：jf：j111、Ih≤W．满足 △‰2口(P)一E(S’，口^)。max{AE,。|△E。=EC；’)一E(F，口。)} 6) 构造下层链丧竹南 f节点处理的样本謦中成新的链表层．1Nodecp呻s”，rNodecp一}s“，取右子节点为当前节点，即 tNode=1NodeF，w-rNede cp，转垮骤3、： 7) 生成描述规叫 此时当前节点tNode为叶竹点．叶节点kq雕f*Hs指向的数组为本节点上备组数据的特征驭值域， 具有相同的概念值，冈此升三成规刚： s)删除节点 若当前节点存在寿栩邻拍点．州令tNodFtN。deFb，搿=tNode cp．并删除#余节点，转步骤3)： 若无车相邻节点．刚向上层取其父节点为当前爷点．令tNode=tNodeFb， 判断： 若tNode=Node则转痄骤9)，占划重褪执行j}骤8)： 9)删除多余节点，结柬 3 实例运行结果 我们选择了两组分类样本集的实例米说明HDRL的学习效果．这两组实例分别代是了 离散、离散连续混合、连续特征的二二种情况， 3．1人种分类问题”1