[发明专利]一种基于随机森林的异常数据处理方法

权利要求书

1.一种基于随机森林的异常数据处理方法，其特征在于包括以下步骤：

步骤一：获取样本集，应用自助法对样本集进行有放回的采样，进行自助法样本扩充，对每一个样本构建一个与其规模相同的自助法样本；

步骤二：对每一个自助法样本分别建立一个决策树模型，在每个决策树的全部特征值中再进行无放回的随机选取，构建一个属性子集，并在每一步应用属性子集中最优属性进行决策树分枝；

步骤三：对每一棵树的决策结果通过数据融合获取其权重，当获取失效信息后，对每棵树的信息进行判断，若第i个决策树的属性子集中包含该失效属性，则判断该树的决策结果为失效，则令属性权重ω”_i＝0，其余正常属性权重不变，即ω”_i＝ω_i。

步骤四：对权重进行重新分配，取失效信息δ＝[l₁,l₂,…,l_n]为输入失效信息所对应的属性参数，ξ＝[f₁,f₂,…,f_k]代表该决策树所使用的属性参数，F＝δ∩ξ表示该决策树内部的失效信息，当时，取权重值为0，当时进行重新分配；

步骤五：对各决策树权重值需重新进行归一化处理，如式1所示，其中i为目标决策树编号，k为决策树总个数；

步骤六：对所获取的多个权重值进行加权融合获取其最终的决策结果。

2.如权利要求1所述的基于随机森林的异常数据处理方法，其特征在于：在步骤三进行数据融合时使用神经网络进行数据融合。

3.如权利要求1所述的基于随机森林的异常数据处理方法，其特征在于：在步骤三中进行数据融合时使用相关向量机进行数据融合。

4.如权利要求1所述的基于随机森林的异常数据处理方法，其特征在于：在步骤四中，当时，若所面临的问题为分类问题，则将不包含失效信息的决策树权重置为1。

5.如权利要求1所述的基于随机森林的异常数据处理方法，其特征在于：在步骤四中，当时，若所面临的问题为回归问题，则保持原决策树的权重不变。

6.如权利要求1所述的基于随机森林的异常数据处理方法，其特征在于：在步骤六中，若所面临的问题为分类问题，则将权重为1的决策树输出结果进行汇总，输出为所有决策树中预测概率总和最大的那一个类。

7.如权利要求1所述的基于随机森林的异常数据处理方法，其特征在于：在步骤六中，若所面临的问题为回归问题，则将所有决策树的结果进行加权平均，其权重根据正常权重在训练过程中所占比例进行重新分配，其结果为最终的预测输出结果。