二叉树SVM的多分类组合评价指标

发布时间：2024-03-02 01:16

　　支持向量机是人工智能领域中机器学习算法中的一种监督学习算法,该算法通过映射,使低维样本数据在映射到高维特征空间一个超平面将两类样本数据分开。传统支持向量机仅解决二分类问题,对于多分类问题,将多分类问题转化成多个二分类问题,集成多个二分类支持向量机构成多分类支持向量机。基于二叉树的组合型多分类支持向量机具有需训练的二分类SVM个数少的优点,避免了一对多、多对多方法的不可分、拒分区域问题的出现。但由于其二叉树结构的多样性和组合型多分类支持向量机保证每一个样本类别为一个整体的特点,目前已提出了的基于组合型多分类支持向量机二叉树结构的构造方法缺乏类别组合具体评价标准。本文针对基于二叉树的多分类支持向量机构造过程中,结构的类别组合方式缺乏类别组合评价标准的问题,为保证每一个样本类别为一个整体的前提,在传统基于变量属性的信息增益比的模型基础上,定义了基于分类属性的信息增益(Information Gain)比,建立了基于分类属性IG比的组合结构评价模型,提出了基于分类属性IG比的多分类支持向量机结构评价方法。该方法在二叉树结构构造过程中,对于多个细分类组合成的左右两个大类别,计算每种可能的组合依赖...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图2.1支持向量机最佳超平面与间隔从上图可以看出，要想把类标号为+1与类标号为-1的数据分开，可以画出无限多

支持向量机算法的核心是利用支持向量和边缘发现最佳划分超平面，其支持向量和边缘由训练数据集的“基本”训练元组构成与定义。尽管支持向量机训练较其他分类器来得慢，但其对复杂的非线性边界的建模能力较强，使得它们的分类效果较为准确。在模型训练的过程中，较与其他模型，支持向量机不太容易过度拟....

图2.2多分类支持向量机二叉树结构

类支持向量机硕士学位论文10对于n维样本数据，支持向量机寻找划分超平面的本质是将一类数据与其余类的数据分离的最佳决策边界，该最佳划分超平面仅能判别未知数据属于这一类或与之对应的其余类，即两分类问题。为解决多分类问题，将多个二值SVM组合形成组合型多分类支持向量机。组合型多分类支持....

图4.1二叉树支持向量机结构图

4基于分类属性信息增益比的结构评价方法硕士学位论文204基于分类属性信息增益比的结构评价方法构造多分类支持向量机的二叉树与传统ID3、C45算法中决策树最大的不同就是前者将已知样本数据集的类别看做一个整体，样本数据集从根节点到分支的划分都是对原始样本数据全集中的样本类别的自由组合....

图4.2变量属性与类别组合对应关系

硕士学位论文二叉树SVM的多分类组合评价指标25argmax|,1argmax,2titiiiHiiHratioHXHGainXHGGG(4.2.18)其中，||max|tttiiiHHratioHXratioHXHG(4.2.19)显然iGH。则当前LH取值为iH下，属性变量i....

本文编号：3916106