基于遗传规划算法的特征构建方法研究

摘要

特征构建(Feature Construction)为了改变分类问题的输入空间,提高分类的性能.遗传规划(Genetic Programming)算法表示方法灵活,适合处理特征构建任务.本研究提出一种基于遗传规划算法的多特征构建方法(gpfcm),此方法利用信息增益比作为遗传规划算法的适应度函数,保存遗传规划算法运行过程中较好的个体作为构建的特征.搜集6个UCI机器学习数据集,选择女最近邻(knn)和决策树(C4.5)作为分类算法,实验比较本研究提出的方法(gpfcm)构建的特征与其它2种方法(gpfcs和gpfcai)构建的特征及与原始特征的特征组合的实验效果.结果表明:本研究的方法构建的特征对大多数数据集能取得比其它方法构建的特征更好或相当的分类效果;利用遗传规划算法构建的高层次的特征能改善分类算法的预测性能.