同分布强化学习优化多决策树及其在非平衡数据集中的应用

• 作者: 张雪英 李凤莲 焦江丽 牛壮
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 非平衡数据集 多决策树 累积回报机制属性选择策略 同分布随机抽样 强化学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 1112-1118
• 页数: 7页
• 分类号: TP301
• 字数: 4359字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2019.05.014

摘要

针对传统决策树在非平衡数据集分类时少数类预测性能出现偏差的问题,提出一种基于强化学习累积回报的属性优化策略即改进型同分布多决策树方法.首先通过同分布随机抽样法对非平衡数据集中的多数类样本进行随机采样,进而对各子集建立单决策树形成多个决策树,各决策树采用分类回归树算法建树,并利用强化学习累积回报机制进行属性选择策略的优化.研究结果表明:提出的基于强化学习累积回报机制的属性优化策略可有效提高少数类被正确分类的概率;同分布多决策树方法可有效提高非平衡数据集整体预测性能,且正类率和负类率的几何平均值都有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪英	太原理工大学信息与计算机学院	233	1213	15.0	23.0
2	李凤莲	太原理工大学信息与计算机学院	44	117	6.0	9.0
3	牛壮	太原理工大学信息与计算机学院	2	0	0.0	0.0
4	焦江丽	太原理工大学信息与计算机学院	4	22	1.0	4.0