基于粗糙集理論的數(shù)值型決策表的屬性約簡(jiǎn)方法研究的中期報(bào)告

基于粗糙集理論的數(shù)值型決策表的屬性約簡(jiǎn)方法研究的中期報(bào)告一、研究背景隨著數(shù)據(jù)收集技術(shù)的不斷發(fā)展，數(shù)據(jù)集越來(lái)越大，特征屬性也越來(lái)越多。在進(jìn)行有監(jiān)督學(xué)習(xí)時(shí)，屬性約簡(jiǎn)是一個(gè)十分重要的問(wèn)題。傳統(tǒng)的屬性約簡(jiǎn)方法有決策樹、PCA、LDA等，但這些方法只適用于特征屬性為離散值的情況，對(duì)于數(shù)值型屬性則不適用。粗糙集理論是一種用于處理不確定信息的典型工具，在屬性約簡(jiǎn)問(wèn)題中也有廣泛應(yīng)用。通過(guò)運(yùn)用粗集約簡(jiǎn)方法，能夠削減屬性數(shù)量，幫助獲得更加高效的數(shù)據(jù)預(yù)測(cè)模型。目前，研究者們不斷提出新的粗糙集約簡(jiǎn)方法，以適應(yīng)不同的應(yīng)用場(chǎng)景。本研究致力于研究基于粗糙集理論的數(shù)值型決策表的屬性約簡(jiǎn)方法，提高數(shù)據(jù)預(yù)測(cè)精度和計(jì)算效率。本文報(bào)告研究的中期進(jìn)展情況及下一步工作計(jì)劃。二、研究方法1.數(shù)值型決策表構(gòu)建使用UCIMachineLearningRepository中的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，將數(shù)據(jù)集按照屬性類型劃分為離散型及連續(xù)型，針對(duì)連續(xù)型屬性，對(duì)每一個(gè)連續(xù)屬性提取不同的離散值集合，建立數(shù)值型決策表，為下一步研究提供數(shù)據(jù)基礎(chǔ)。2.屬性約簡(jiǎn)實(shí)現(xiàn)在建立了數(shù)值型決策表之后，通過(guò)提取等價(jià)類、求正域和約簡(jiǎn)思想，提出了屬性約簡(jiǎn)算法，對(duì)連續(xù)型及混合型的決策表進(jìn)行分析和實(shí)驗(yàn)。這里的等價(jià)類定義是：對(duì)于連續(xù)屬性，當(dāng)且僅當(dāng)其相鄰兩個(gè)值具有相同的分類信息時(shí)，將這兩個(gè)值看成一個(gè)等價(jià)類。3.實(shí)驗(yàn)分析和對(duì)比使用UCIMachineLearningRepository中的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，對(duì)比該算法與主流的基于信息熵的特征選擇方法和主成分分析法的結(jié)果進(jìn)行對(duì)比，分析此研究所提出方法的屬性約簡(jiǎn)效果，并對(duì)比其它方法獲得了更好的屬性約簡(jiǎn)結(jié)果。三、中期成果1.完成了數(shù)值型決策表的構(gòu)建。對(duì)于連續(xù)屬性，我們提出了基于等價(jià)類劃分的方法，將連續(xù)屬性進(jìn)行了離散化處理；對(duì)于離散屬性，使用信息增益法進(jìn)行特征選擇，將原始數(shù)據(jù)劃分成不同的決策表，并構(gòu)建了數(shù)值型決策表。2.提出了基于粗糙集理論的屬性約簡(jiǎn)算法。在建立數(shù)值型決策表之后，我們提出了一種基于等價(jià)類、正域和約簡(jiǎn)思想的屬性約簡(jiǎn)算法，該算法可以有效地縮減屬性集大小，同時(shí)保持?jǐn)?shù)據(jù)在分類任務(wù)上的表現(xiàn)。3.進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，所提出的算法在不同數(shù)據(jù)集上都取得了比其他方法更好的屬性約簡(jiǎn)效果，也證明了我們方法的有效性和實(shí)用性。四、下一步工作1.研究數(shù)值型決策表的屬性約簡(jiǎn)問(wèn)題。本研究的重點(diǎn)在屬性約簡(jiǎn)，但是對(duì)于數(shù)值型決策表，仍會(huì)受到噪聲等影響，會(huì)對(duì)預(yù)測(cè)精度造成一定的影響，下一步工作將針對(duì)此問(wèn)題進(jìn)行研究。2.繼續(xù)對(duì)算法進(jìn)行優(yōu)化。在算法使用過(guò)程中，發(fā)現(xiàn)還有一些細(xì)節(jié)需要進(jìn)一步優(yōu)化，下一步將針對(duì)算法的一些細(xì)節(jié)進(jìn)行進(jìn)一步的優(yōu)化和改進(jìn)。3.進(jìn)行更多實(shí)驗(yàn)驗(yàn)