APP下载

用于分类决策的有序判别指标性能比较

2018-04-18裴生雷贾国庆叶利娟

计算机应用与软件 2018年2期
关键词:排序分类

裴生雷 贾国庆 叶利娟

1(青海民族大学物理与电子信息工程学院 青海 西宁 810007) 2(青海民族大学数学与统计学院 青海 西宁 810007)

0 引 言

在传统的分类任务中,人们很少去考虑数据的有序性。然而现实世界中很多任务都存在这类问题,特征值的序关系,可以更好地描述数据本身的特点,使用户获得潜在的偏好信息。在解决多属性决策问题时,有序特征的评价指标就显得非常重要。这些指标可以用于有限决策方案的排序择优问题,可以应用于信用评价、顾客满意度评估、社会调查统计、故障诊断等领域[1-5]。在这里我们举一个例子,来说明数据本身具备的有序特征。假设信用评价任务中存在三个条件属性(历史信誉、收入和学历)用于描述客户,决策属性是信用等级。在这里,如果客户X的三个条件属性值比客户Y的好,那么X的信用等级也不比Y的差。这类问题中,对象的条件属性和决策属性存在序关系,即属性值之间是可以比较大小。目前,在机器学习、数据挖掘和智能决策领域中越来越引起研究人员的重视。

有序分类问题中,随着研究的深入和发展,特征评价指标也得到了改进和发展。有序条件熵、排序互信息、排序基尼不纯度可以很好地判断排序一致性,进而获取有效的特征,完成数据的分类或者决策模型的优化[6-7]。但是,模型由于应用不同有序判别指标,导致分类任务的效果有所不同。这三个指标,在决策树模型中应用较多,例如经典C4.5算法使用的评价指标是信息增益,即互信息;……

登录APP查看全文

猜你喜欢

排序分类
排排序
分类算一算
垃圾分类的困惑你有吗
恐怖排序
节日排序
刻舟求剑
教你一招:数的分类
给塑料分分类吧
排排序