基于Bagging的组合k-NN预测模型与方法

被引：4

作者：

何亮

宋擒豹

海振

沈钧毅

机构：

[1] 西安交通大学电子与信息工程学院

来源：

控制与决策 | 2010年 / 01期

基金：

国家自然科学基金重大研究计划;

关键词：

近邻预测; Bagging; 组合方法;

D O I：

10.13195/j.cd.2010.01.51.hel.015

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

k-近邻方法基于单一k值预测,无法兼顾不同实例可能存在的特征差异,总体预测精度难以保证.针对该问题,提出了一种基于Bagging的组合k-NN预测模型,并在此基础上实现了具有属性选择的Bgk-NN预测方法.该方法通过训练建立个性化预测模型集合,各模型独立生成未知实例预测值,并以各预测值的中位数作为组合预测结果.Bgk-NN预测可适用于包含离散值属性及连续值属性的各种类型数据集.标准数据集上的实验表明,Bgk-NN预测精度较之传统k-NN方法有了明显提高.

引用

页码：48 / 52

页数：5