[发明专利]基于随机森林的MR覆盖率影响因素判定方法

权利要求书

1.一种基于随机森林的MR覆盖率影响因素判定方法，其特征在于，包括以下步骤：

1)选取若干个影响MR覆盖率的相关维度；

2)对每个影响MR覆盖率的相关维度的维度数据进行清洗，形成相关维度数据集，并得到清洗后的相关维度；

3)从相关维度数据集中抽取维度数据作为训练样本，将相关维度数据集中剩余的维度数据作为测试样本；

4)以清洗后的相关维度作为特征，根据训练样本来训练随机森林模型；

5)将测试样本输入随机森林模型，得到输出准确率；

6)调整随机森林模型的参数，直至当输出准确率大于设定阈值，则将该输出准确率时的随机森林模型作为MR覆盖率影响因素判定模型；

7)计算每个影响MR覆盖率的相关维度的影响度；

8)根据计算所得的影响度，对若干个影响MR覆盖率的相关维度进行排序；

9)利用MR覆盖率影响因素判定模型定位MR覆盖率的影响因素，清晰劣化根因。

2.根据权利要求1所述的基于随机森林的MR覆盖率影响因素判定方法，其特征在于：所述步骤1)中的若干个影响MR覆盖率的相关维度包括工作频段、载频数量、覆盖类型、经度、纬度、最大发射功率、弱覆盖采样点数、总采样点数、弱覆盖率采样点比例、中心载频的信道号、是否为上行干扰小区、是否为上行弱覆盖小区、是否过覆盖小区、站高、小区个体偏移量、频段指示、电子下倾角、机械下倾角、方位角、天线挂高和设备类型。

3.根据权利要求1所述的基于随机森林的MR覆盖率影响因素判定方法，其特征在于：所述步骤2)中的对每个影响MR覆盖率的相关维度的维度数据进行清洗，包括维度数据整理和维度名称整理。

4.根据权利要求3所述的基于随机森林的MR覆盖率影响因素判定方法，其特征在于：所述维度数据整理，具体为，

删除缺失值超过50％的维度；满足判定需求但存在缺失值的维度，将缺失值用平均值填充；由于机器故障或者人为操作造成的异于正常范围的数据为异常值，当检测出异常值后，将该异常值删除，再用平均值填充。

5.根据权利要求3所述的基于随机森林的MR覆盖率影响因素判定方法，其特征在于：所述维度名称整理，具体为，在不同的数据表中，如果同一维度名称存在不同的命名，则需要统一维度名称，使得每个维度名称只有一种命名；

其中，不同的命名包括中文和英文的不同、大写和小写的不同。

6.根据权利要求1所述的基于随机森林的MR覆盖率影响因素判定方法，其特征在于：所述步骤4)中的随机森林模型采用若干个基学习器的投票机制来改善决策树而生成，具体包括步骤，

4-1)从样本集中通过Bootstraping产生n个样本；

4-2)假设样本特征数目为a个，对n个样本选择a个样本特征中的k个样本特征，用建立决策树的方式获得最佳分割点；

4-3)步骤4-1)至步骤4-2)重复m次，产生m棵决策树；

4-4)采用Bagging的策略即多数投票机制来获得分类结果。