[发明专利]用于不完整数据分类的集成学习树构建方法

权利要求书

1.用于不完整数据分类的集成学习树构建方法，其特征在于，具体按照以下步骤实施：

步骤1、对数据集D(F₁，F₂，...，F_K，label)进行缺失处理，其中F₁，F₂，...，F_K为K个特征，label为所属的类别；

步骤2、将经过缺失处理的数据集D按照十折交叉的方式划分为训练集D₁和测试集D₂；

步骤3、对训练集D₁使用基于视图和缺失模式的方法得到初级集成学习树；

步骤4、利用测试集D₂对初级集成学习树进行测试，获得集成学习树。

2.根据权利要求1所述用于不完整数据分类的集成学习树构建方法，其特征在于，步骤1所述数据集选自以下数据集：hepatitis、breast-cancer、processed-cleveland、processed-hungarian、primary-tumor、horse colic、mammographic_masses。

3.根据权利要求1所述用于不完整数据分类的集成学习树构建方法，其特征在于，步骤1具体过程为：

判断数据集D(F₁，F₂，...，F_K，label)是否缺失数据，其中F₁，F₂，...，F_K为K个特征，label为所属的类别，若缺失，则不进行处理，若不缺失，则采用完全随机缺失的准则将数据集D变为不完整数据集。

4.根据权利要求1所述用于不完整数据分类的集成学习树构建方法，其特征在于，步骤3具体过程为：

步骤3.1、采用递归调用生成学习树，对于学习树上的节点node，判断节点node是否为根节点，若为根节点，则该节点包含的样本集合为训练集D₁；若不是根节点，则为用其父节点的分类器分到某一类别的样本集合；

步骤3.2、设定样本纯度阈值、样本集合内样本个数阈值，若节点node所在的样本集合纯度不大于样本纯度阈值或样本集合内样本个数不大于样本集合内样本个数阈值，则该节点node设置为叶子节点，并将该节点node类型设置为样本集合中样本出现次数最多的类别，否则执行步骤3.3；

步骤3.3、选出节点node中样本集合的特征集合C以及特征集合C对应的完整视图V；

步骤3.4、找出完整视图V中的所有缺失模式M₁，M₂，...，M_s，根据每个缺失模式M₁，M₂，...，M_s分别提取样本集合中的样本，得到缺失模式M₁，M₂，...，M_s对应的子样本集合N₁，N₂，...，N_s；

步骤3.5、对于每一个缺失模式M_i，用其对应的子样本集合N_i训练分类器，这时节点node中的每个样本会被其对应的多个缺失模式分类器分成多个类别，利用投票原则确定每个样本最终的类别，形成了M个类别，取每个类别包含的样本集合为E_i，对于每一个E_i，都返回到步骤3.1，此时步骤3.1中节点所包含的样本集合就为E_i；循环上述步骤，直到生成集成学习树，即初级集成学习树。