基于轉(zhuǎn)導(dǎo)推理思想的一致性預(yù)測(cè)器.pdf

1、當(dāng)前存在的一些機(jī)器學(xué)習(xí)分類算法多是建立在歸納、演繹邏輯推理的方法基礎(chǔ)之上,面對(duì)一批數(shù)據(jù)總是試圖從中提取一個(gè)適用的通用分類模型,并期望此分類模型有較高的預(yù)測(cè)性能;但是這種分類模式在高風(fēng)險(xiǎn)、小樣本領(lǐng)域卻有一定的局限性:首先基于數(shù)量有限的小樣本數(shù)據(jù),用于歸納一個(gè)通用規(guī)則的訓(xùn)練樣本數(shù)據(jù)較少,造成分類模型的準(zhǔn)確度較低,而且忽略了測(cè)試集樣本的信息,從而不能充分利用所有樣本數(shù)據(jù)信息;其次分類預(yù)測(cè)結(jié)果通常只是簡(jiǎn)單的將樣本劃分為某一類,對(duì)樣本多大程度上屬

2、于這一類沒(méi)有一個(gè)量的概念,且預(yù)測(cè)結(jié)果沒(méi)有置信度衡量,在高風(fēng)險(xiǎn)領(lǐng)域的應(yīng)用尚有不足。
　　 本文對(duì)基于轉(zhuǎn)導(dǎo)推理的一致性預(yù)測(cè)算法的研究就是針對(duì)此局限性而展開(kāi)的。轉(zhuǎn)導(dǎo)推理是基于整個(gè)樣本所擁有的全部信息直接進(jìn)行分類識(shí)別的原則方法,分類過(guò)程中不需歸納分類模型,而是通過(guò)探索待測(cè)數(shù)據(jù)和樣本序列之間的內(nèi)在聯(lián)系而進(jìn)行推理判別;算法是通過(guò)Kolmogorov算法隨機(jī)性理論建立一種置信度機(jī)制,通過(guò)隨機(jī)性檢測(cè)函數(shù)對(duì)置信度進(jìn)行估算,且隨機(jī)性檢測(cè)函數(shù)的結(jié)果就

3、是預(yù)測(cè)結(jié)果的可信度,同時(shí)在置信度控制下其算法預(yù)測(cè)結(jié)果是域的形式。
　　 一致性預(yù)測(cè)算法的核心部分是非一致性度量函數(shù)的設(shè)計(jì),設(shè)計(jì)非一致性度量函數(shù)可以融合現(xiàn)有分類算法進(jìn)行。本文首先對(duì)k近鄰一致性預(yù)測(cè)算法和支持向量機(jī)一致性預(yù)測(cè)算法進(jìn)行研究,并在k近鄰一致性預(yù)測(cè)算法的基礎(chǔ)上進(jìn)行改進(jìn),提出用測(cè)地線距離來(lái)代替歐式距離度量樣本間相似性;然后基于邏輯回歸模型實(shí)現(xiàn)了基于Logistic回歸的一致性預(yù)測(cè)算法;本文所有算法都是基于MatlabR200