CN113920366B 一种基于机器学习的综合加权主数据识别方法 （美林数据技术股份有限公司）_第1页
CN113920366B 一种基于机器学习的综合加权主数据识别方法 （美林数据技术股份有限公司）_第2页
CN113920366B 一种基于机器学习的综合加权主数据识别方法 （美林数据技术股份有限公司）_第3页
CN113920366B 一种基于机器学习的综合加权主数据识别方法 （美林数据技术股份有限公司）_第4页
CN113920366B 一种基于机器学习的综合加权主数据识别方法 （美林数据技术股份有限公司）_第5页
已阅读5页，还剩11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

城天谷八路528号国家电子商务示范一种基于机器学习的综合加权主数据识别本发明公开了一种基于机器学习的综合加据提取出来的识别特征作为随机森林分类的特予不同的权重，采用投票法则得到最终分类结2步骤2：根据步骤1中获得的主数据提取出来的TP代表模型预测为真而实际为真的样本数量，真为主数据，F际为假的样本数量，FN代表模型预测为假而实际为真的样本数量；则权重赋值公式为：i为第i棵决策树的F1-Score值。所述主数据识别特征包括表信息特征及数据特征，所述表信息特征包括但不限于表名称、所述步骤2中选择CART算法对决策树的内部节点进行划分数据34[0002]主数据是能够满足企业跨部门协同需要的、反映核心业务实体状态属性的企业何从复杂且众多的业务实体中准确识别出企业主数据[0010]步骤2：根据步骤1中获得的主数据提取出来的识别特征作为随机森林分类的特5[0013]在本发明的一个优选实施例中，所述主数据识别特征包括表信息特征及数据特[0014]在本发明的一个优选实施例中，所述步骤2中选择CART算法对决策树的内部节点i为第i棵决策树的F1-Score值。6[0035]主数据(MasterData)是具有共享性的基础数据，可以在企业内跨越各个业务部体现了较好的结果。其由多个决策树组成，选择CART算法对决策树的内部节点进行划分。[0042]在标准随机森林算法中特征是随机进行选7权重以提高分类效果。[0052]精确率(precision)和召回率(recall)是我们评价模型效果的两个重要指标，但[0053]采用precision和recall综合加权的方法即F1-Score值，给每个决策树进行权重[0057]将验证集的数据输入到每一个决策树中,然后每记录会输出一个类别预测,根据决策树预测的结果和真实的结果进行比对。如果模型的效8[0058]改进后的随机森林算法降低了平均投票机制所带来的结果的影响,提高了算法的整体性能。最后将测试集输入到算法模型中得到分类结果并将

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