[发明专利]基于聚类分层抽样补偿逻辑回归的失衡数据预测方法

权利要求书

1.基于聚类分层抽样补偿逻辑回归的失衡数据预测方法，其特征在于，它包括如下步骤：

步骤一：采用k-means算法对待预测的样本集进行聚类，获取K个类的数据；

步骤二：对获取K个类的数据进行分层抽样，抽取n个数据；

步骤三：对分层样本的逻辑回归模型的参数进行最大似然估计，获取分层样本逻辑回归模型的参数估计式，确定分层样本逻辑回归模型；

步骤四：将抽取的n个数据输入至分层样本逻辑回归模型中，确定待预测的样本集是否是失衡数据集。

2.根据权利要求1所述的基于聚类分层抽样补偿逻辑回归的失衡数据预测方法，其特征在于，步骤一中，采用k-means算法对待预测的样本集进行聚类，获取K个类的数据的方法包括：

步骤一一：在待预测的样本集中随机选择K个数据，每一个数据作为一个类的中心；

步骤一二：根据距离每个类的中心最近的原则，将待预测的样本集中其他数据分配到各个相应的类中；

步骤一三：针对每一个类，计算该类中所有数据的平均属性值，并将所述平均属性值作为该类新的中心；

步骤一四：根据距离每个类新的中心最近的原则，重新将待预测的样本集中的数据分配到各个相应的类中；并判断重新分的类与步骤一二分的类是否相同，若相同，停止，确定K个类的数据，若不相同，则转入步骤一三。

3.根据权利要求1所述的基于聚类分层抽样补偿逻辑回归的失衡数据预测方法，其特征在于，

步骤三中，

所述分层样本逻辑回归模型的参数估计式为Σi=1n|yi-exp(α1+β′x)1+exp(α1+β′x)|=0Σi=1n|yi-exp(α1+β′x)1+exp(α1+β′x)|xij=0j=1,2,3,...,m,]]>

其中α₁和β'均为分层样本逻辑回归模型的未知参数，β'为1×m的向量，β'＝(β₁,...,β_m)^T，x_ij为第i个抽取的数据第j个特征，m是每个抽取的数据的特征个数，i＝1,2,3,...,n；y_i是第i个抽取的数据的预测值，y_i取值为{0，1}；

所述逻辑回归模型为

每个抽取的数据的特征向量X＝(x₁,x₂,...,x_m)，x_m为抽取的数据的第m个特征。