基于随机森林的正例与未标注学习

被引：12

作者：

邵强

张阳

蔡晓妍

机构：

[1] 西北农林科技大学信息工程学院

来源：

计算机工程与设计 | 2014年 / 35卷 / 12期

关键词：

正例与未标注学习; 决策树; 随机森林; 集成学习; 偏置支持向量机;

D O I：

10.16208/j.issn1000-7024.2014.12.065

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为使用正例与未标注数据训练分类器(positive and unlabeled learning,PU learning),提出基于随机森林的PU学习算法。对POSC4.5算法进行扩展,在其生成决策树的过程中加入随机特征选择;在训练阶段,使用有放回抽样技术对PU数据集抽样,生成多个不同的PU训练集,并以其训练扩展后的POSC4.5算法,构造多棵决策树;在分类阶段,采用多数投票策略集成各决策树输出。在UCI数据集上的实验结果表明,该算法的分类性能优于偏置支持向量机算法、POS4.5算法和基于装袋技术的POSC4.5算法。

引用

页码：4329 / 4334

页数：6