基于knn的置信回归算法及装置的制造方法
【技术领域】
[0001] 本发明属于机器学习领域，尤其涉及一种基于脚W的置信回归算法及装置。
【背景技术】
[0002] 机器学习的研究领域除了对分类问题进行研究外，还有一个重要研究领域就是回 归预测的研究。所W对应着置信机器学习研究，也应该包括置信分类研究和置信回归研究。 目前对置信机器学习的研究主要集中在分类问题上，目前多数的置信机器研究也主要集中 在置信分类问题上，对置信回归的研究却比较少；但是置信回归在医疗诊断预测等高风险 的应用领域有着重要的现实意义。
[0003] 现有技术提供的一种用支持向量机方法做置信回归，如文献《支持向量机 回归在线建模及应用》（王定成等，控制与决策，2003. 1);文献狂idelmal Z，Amirou A,Belouc虹ani A. HEARTBEAT CLASSIFICATION USING SUPPORT VECTOR MACHI肥S(SVMs) WITH AN EMB邸DED RE巧CT OPTIONAL INTERNATIONAL JOURNAL OF PATTERN RECOGNITION AND ARTIFICIAL INTCLLIGENCE，2012, 26(1))对对带有拒绝选项的分类器进行了研究，根 据贝叶斯学习方法，对于两类分类问题，提出了优化分类器和拒绝规则，并据此设置阔值。
[0004] 在实现现有技术的方案中，发现现有技术存在如下技术问题：
[0005] 现有技术提供的技术方案没有进行分类预处理，置信回归不准确。
【发明内容】
[0006] 本发明实施例的目的在于提供一种基于脚W的置信回归算法，其解决现有技术的 置信回归不准确的问题。
[0007] 本发明实施例是该样实现的，一方面，一种基于脚W的置信回归算法，所述方法包 括如下步骤：
[0008] 101、确定样本集，该样本集包括：已知回归样本集和未知回归样本集；
[0009] 102、在未知回归样本集中选出未知样本yP;
[0010] 103、计算出xP与已知回归样本集中每个样本之间的欧式距离De狂，口；
[0011] 其中，
【主权项】
1. 一种基于KNN的置信回归算法，其特征在于，所述方法包括如下步骤： 101、 确定样本集，该样本集包括：已知回归样本集和未知回归样本集； 102、 在未知回归样本集中选出未知样本xp; 103、 计算出xp与已知回归样本集中每个样本之间的欧式距离D E(X，Z);
De (Χρ，Γ)表示未知样本xp与已知样本Z q之间的欧式距离，其中，样本
JC./;表示样本xP的第i个元素；表示样本Ztl的第i个元素； I I 104、 在已知样本集中查询出与Xp的欧式距离最近的K个样本；计算K个样本的回归值 的平均值f .
105、 回归模型预测未知样本？的回归值p .计算J7x ^与y的差值T，设 定一个划分阈值t ;如-t < T < t，则将Xp划分到回归接受域，并确定x P .如TH或 ， T〈_t则将Xp划分到回归拒绝域，并不确定37x P 〇
2. -种基于KNN的置信回归装置，其特征在于，所述装置包括： 确定单元，用于确定样本集，该样本集包括：已知回归样本集和未知回归样本集； 采样单元，用于在未知回归样本集中选出未知样本xp; 计算单元，用于计算出xP与已知回归样本集中每个样本之间的欧式距离D Ε(Χ，Ζ); 其中：
De (Χρ，Γ)表示未知样本Xp与已知样本Z q之间的欧式距离，其中，样本
表示样本xP的第i个元素；表示样本Z tl的第i个元素；在已知样本集中查询出 与Xp的欧式距离最近的K个样本；计算K个样本的回归值的平均值J；,
划分单元，用于采用回归模型预测未知样本妙的回归值y " 计算]；"与 yXp > yXp y的差值T，设定一个划分阈值t ;如-t < T < t，则将Xp划分到回归接受域，并确定 37 γ P _如TH或T〈-t则将Xp划分到回归拒绝域，并不确定y x P 5 〇
【专利摘要】本发明适用机器学习领域，提供了一种基于KNN的置信回归算法，包括：确定样本集，该样本集包括：已知回归样本集和未知回归样本集；在未知回归样本集中选出未知样本，计算出未知样本与已知回归样本集中每个样本之间的欧式距离；在已知样本集中查询出与未知样本的欧式距离最近的K个样本；计算K个样本的回归值的平均值；回归模型预测未知样本的回归值；计算回归值与平均值的差值T，依据差值T划分接受域和拒绝域。本发明具有回归值准确的优点。
【IPC分类】G06F17-50, G06F19-24
【公开号】CN104537157
【申请号】CN201410767787
【发明人】蒋方纯, 田盛丰
【申请人】深圳信息职业技术学院
【公开日】2015年4月22日
【申请日】2014年12月12日