CN119398196A 一种基于仿生算法的基学习器动态组合方法、装置和介质 （山东建筑大学）_第1页
CN119398196A 一种基于仿生算法的基学习器动态组合方法、装置和介质 （山东建筑大学）_第2页
CN119398196A 一种基于仿生算法的基学习器动态组合方法、装置和介质 （山东建筑大学）_第3页
CN119398196A 一种基于仿生算法的基学习器动态组合方法、装置和介质 （山东建筑大学）_第4页
CN119398196A 一种基于仿生算法的基学习器动态组合方法、装置和介质 （山东建筑大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于仿生算法的基学习器动态组合方本发明提供了一种基于仿生算法的基学习2,,,,3,其中，Normalized(f)表示归一化后的适应度值；根据的值从高到低排列构建轮盘赌，生成一个通过选择操作选取两个个体作为父代，随机生成交叉点，对这两从种群中选择一个个体进行变异操作，在该个体的学习器中随机选择9.一种基于仿生算法的基学习器动态组合装置，包括4[0004]本发明目的是提供了一种基于仿生算法的基学习器动态提高模型分类问题的准确性及提高模型的泛5,,,,其中，Normalized(f)表示归一化后的适应度值；6如图1所示；一种基于仿生算法的基学习器动态组合方法，通过以下技术方案实[0018]所述待选学习器集合为Bagging并行集成算法和Boosting串行集成算法，包括随7代表被选取，指定n=6。则初始化的一个个体为b/=[0,1,1,1,1,0,1,0,0,1，初始化后的种群。,,sc为bc,和BC,都错误预测的样本数目；为bc,正确预测而BC,错误预测的样本数目；,8,其中，Normalized(f)表示归一化后的适应度值；[0029]本公开实施例还提供一种基于仿生算法的基学习器动态组合装置，包括处理器接口可以用于信息传输。处理器可以调用存储器中的逻辑指令，以执行上述实施例的基于仿生算法的基学习器动态组合方法。如本公开实施例中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的程序计算机可执行指令设置为执行上述基于仿生算法9图1展示了基于仿生算法的基学习器动态选取方法的流程步骤。本实施例数据集占比不超过2%。舞弊样本总占比训练集和验证集选择2000_2018年间数据。训练集和验证集数据的划分比例为7:基于上面的不均衡数据集，使用处理好的数据对每个待选学习器模型进行训练，参数设置相同，通过本发明中的方法得到的基学习器组合为NB、GB、DT、LGBM、KNN、[0047]这里的基学习器一种是本发明通过仿生算法动态选取，一种是以AUC值的大小为[0048]按照真实世界采用窗口滚动的方式进行预测，传统基学习器滚动实验ROC曲线如以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论