[发明专利]一种工控数据特征重排序算法的自适应确定方法

权利要求书

1.一种工控数据特征重排序算法的自适应确定方法，其特征在于，包括：

基于不同特征选择算法对数据集进行特征重排序；

基于机器学习算法对重排序后的数据集进行训练记录准确率、召回率和时间，并对数据集计算预设评价指标，以生成相应的指标数据集合，包括：基于预设数据集相关参数对数据集进行计算，基于特征选择结果参数对特征选择结果进行计算以生成所述指标数据集合；

其中，所述数据集相关参数包括：数据集维度、分类数量、各类数据量分布不平衡度、KL散度、数据拟合度、方差和方差膨胀系数；

所述特征选择结果包括：特征选择数量和特征评分分布不平衡度；

基于所述指标数据集合使用机器学习算法建立选择最优重排序算法的决策树；

基于所述决策树对输入的目标数据集的指标数据进行判断，以得到和所述目标数据集相匹配的特征重排序算法。

2.根据权利要求1所述的工控数据特征重排序算法的自适应确定方法，其特征在于，所述基于所述指标数据集合使用机器学习算法建立选择最优重排序算法的决策树包括：

分别计算根据每个特征划分所述指标数据集合后的信息熵，并选择信息增益最大的特征作为数据划分节点来划分所述指标数据集合；

递归处理被划分后的所有子数据集，以选择出最优数据划分特征来划分子数据集。

3.根据权利要求2所述的工控数据特征重排序算法的自适应确定方法，其特征在于，所述基于所述指标数据集合使用机器学习算法建立选择最优重排序算法的决策树还包括：

对所述决策树进行剪枝以提高所述决策树的分类速度和分类精度。