基于均矢量相似性的机器学习样本集划分

• 作者: 杨路明 陈先来
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 均矢量 样本集分割 相似性 机器学习
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 1636-1641
• 页数: 6页
• 分类号: TP18
• 字数: 3225字
• 语种: 中文

摘要

提出一种基于均矢量相似性的机器学习样本集分割方法(MSSS),根据样本集中每个样本矢量与均矢量之间的余弦相似性,将样本划分成训练集和测试集.为评价MSSS方法性能,分别用随机分割法(RSS)和MSSS方法,按不同比例划分来自UCI的4个数据集,对产生的训练集一测试集进行Hotelling T~2检验;另外,采用得到的训练集对分类BP神经网络进行训练,以相应的测试集测试神经网络.研究结果表明:对用RSS划分4个数据集产生的训练集一测试集进行Hotelling T~2检验,发现均存在F值超出界值的现象,而MSSS均未出现;使用MSSS训练的神经网络所产生的训练-测试误差差异、准确率差异均比使用RSS训练的神经网络所产生的小,说明用MSSS划分产生的训练集与测试集的一致性比用RSS划分产生的好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨路明	中南大学信息科学与工程学院	181	1754	20.0	35.0
2	陈先来	中南大学信息科学与工程学院	39	149	8.0	10.0