计算机应用研究

作者：杨丰瑞,罗思烦,李前洋,

单位：1.重庆邮电大学a.通信与信息工程学院;b.通信新技术应用研究中心,重庆400065；2.重庆重邮信科(集团)股份有限公司,重庆401121；

关键词：概率相关性,特征选择,特征子集,极限随机森林,

高维复杂数据处理是数据挖掘领域中的关键问题，针对现有特征选择分类算法存在的预测精确度失衡、整体分类效率低下等问题，提出了一种结合概率相关性和极限随机森林的特征选择分类算法（P-ERF）。该算法使用充分考虑特征之间相关性与P值结合的特征选择方式，避免了树节点分裂过程中造成的冗余性问题；并以随机树为基分类器、极限随机森林为整体框架，使P-ERF算法获得了更高的精准度和更好的泛化误差。实验结果表明，P-ERF算法相较于随机森林算法、极限随机森林算法，在数据集分类精度与整体性方面均得到良好的效果。

来源：2020年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第9期