基于eEP的兩階段方法分類研究.pdf

1、分類是數(shù)據(jù)挖掘中的一項非常重要的任務(wù),幾十年來一直是統(tǒng)計學(xué)、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等領(lǐng)域內(nèi)的一個重要研究課題.目前在政府組織、科學(xué)研究、商業(yè)等領(lǐng)域有著廣泛的應(yīng)用.在解決數(shù)據(jù)挖掘領(lǐng)域中的分類問題時,基于規(guī)則的建模技術(shù)是很受歡迎的.但是,傳統(tǒng)的基于規(guī)則的分類算法多數(shù)采用順序覆蓋技術(shù)來訓(xùn)練分類規(guī)則,這種方法有著自身無法很好解決的問題,在稀有類分類中這種問題更加突出.基于此,Ramesh Agarwal和Mahesh V.Joshi于20

2、00年提出了基于規(guī)則的兩階段方法,實驗結(jié)果表明,兩階段方法能夠很好地用于分類,特別是在稀有類分類時取得了比其它分類算法更好的效果.1999年Dong等人提出了一種被稱作顯露模式(Emerging Pattern,EP)的新的知識模式,并受到了數(shù)據(jù)挖掘界的廣泛重視.基于EP的分類算法通過聚合多個EP的分類能力來分類,綜合考慮了不同數(shù)據(jù)集在多組屬性上的差異,能夠彌補傳統(tǒng)分類方法(如決策樹方法)只考慮一組屬性而形成的缺陷,取得了很好的分類結(jié)果

3、.然而,對于稠密數(shù)據(jù)集和高維數(shù)據(jù)集來說,EPs的數(shù)量巨大,因而增加了算法的時空復(fù)雜度.2000年Fan和Ramamohanarao又提出了一種特殊形式的EP:eEP(Essential Emerging Pattern,基本顯露模式),有效地解決了一般形式的EP在分類時的冗余問題,同時又不會丟失太多對分類有用的信息.本文結(jié)合兩階段思想和eEP在分類方面的優(yōu)勢,提出了一種新的分類算法——基于eEP的兩階段方法分類(Classificati

4、on of Essential Emerging Pattern in Two Phases,CEEPTP).該算法使用兩個階段挖掘eEP并用于分類,分類時考慮第二階段對第一階段的修正作用,這與TPCEP有些相似之處.與TPCEP不同的是,我們在分類時采用了以增長率為標(biāo)準(zhǔn)的評分策略,充分利用了eEP的區(qū)分能力;同時,我們通過調(diào)整第二階段的權(quán)重,使之更好地發(fā)揮對第一階段結(jié)果進行修正的輔助作用.實驗結(jié)果表明,CEEPTP在UCI機器學(xué)習(xí)庫中