粗糙集的Mallow's Cp选择算法

摘要：

粗糙集选择是粗糙集实证研究中的关键步骤.目前常用的粗糙集择优标准是误判率.考虑到误判率准则未考察粗糙集的复杂度,存在过拟合风险,在测试集中误判率小的粗糙集不一定具有最强的泛化能力,引入Mallow's Cp准则作为一种新粗糙集选择标准.粗糙集的Mallow's Cp选择算法通过Logistic模型将非线性的粗糙集分类规则表达为线性形式,Logistic模型的Cp值作为粗糙集的Cp值,根据Cp值进行粗糙集择优.实际应用显示,粗糙集的Mallow's Cp选择算法能够筛选出泛化能力强的粗糙集,相较误判率准则选出泛化能力强的粗糙集的频率更高.特别当多个粗糙集的误判率差异小时,新算法更可能选出泛化能力强的粗糙集.粗糙集的Mallow's Cp选择算法兼顾了粗糙规则的分类准确性与复杂度,能够更好地选择泛化能力强的粗糙集.

关键词：Mallow’s Cp准则、Logistic模型、模型选择、粗糙集、泛化能力

所属期刊栏目：13

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2019-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：521-528