改進的遺傳算法在樣本選擇中的應用研究.pdf

1、機器學習致力于解決大規(guī)模的、復雜的任務，所以發(fā)現(xiàn)大量數(shù)據(jù)中的潛在相關信息變得越來越重要。在許多應用領域中，如基因工程、文本挖掘和商業(yè)智能，數(shù)據(jù)規(guī)模無論從特征數(shù)量上還是從樣本數(shù)量上都在日益增大。這對已有的機器學習算法提出了嚴峻的挑戰(zhàn)。 特征選擇能夠移除不相關特征，提高學習效率，改善學習性能，增強學習結果的可理解性。特征選擇在處理具有較多不相關特征的高維數(shù)據(jù)上已被證明是一種有效的手段。盡管出現(xiàn)了大量的特征選擇算法，特征選擇仍然面臨著

2、新的挑戰(zhàn)：如何處理高維海量的樣本。 如果樣本數(shù)量巨大，那么通常的方法是從部分數(shù)據(jù)中學習，無損于性能地達到初始目標。目前普遍采用的樣本選擇方法是隨機抽樣，然而隨機抽樣方法沒有利用數(shù)據(jù)的任何特點，比較盲目。本文提出一種改進的遺傳算法，利用改進的遺傳算法搜索樣本空間，將得到的訓練集的近似最優(yōu)代表性子集作為訓練集去分類評估集。同以往的隨機抽樣方法相比，在同樣的特征子集的情況下，本方法使用的樣本數(shù)量更少且預測準確率更高。本文主要工作包括以

3、下兩方面： 1.針對尋找訓練集最佳代表性子集的任務，遺傳算法在染色體表示、交叉方式和變異方式上進行了改進。針對現(xiàn)實的二值分類中正向樣本數(shù)極少且分布不平衡的特點，提出利用正確正向分類結果與錯誤正向分類結果的比值作為遺傳算法的適應度函數(shù)。 2.提出基于改進的遺傳算法的樣本選擇模型，把該樣本選擇模型與局部進化特征選擇算法相結合，并將其應用在潛在客戶預測中。利用UCI標準數(shù)據(jù)集對本文所提出的樣本選擇模型進行測試，實驗結果證明了該