[发明专利]一种基于欠采样改进的AdaBoost算法的脱贫时间预测方法

权利要求书

1.一种基于欠采样改进的AdaBoost算法的脱贫时间预测方法，其特征在于，该方法包括以下步骤：

训练阶段：

获取贫困户数据库，通过入库贫困户相关基本信息进行整理，提取致贫敏感信息，作为模型的输入，即训练样本；通过抽取贫困户的入库日期以及脱贫日期，得到贫困户从入库到脱贫所用的时间即脱贫年限，作为模型的输出；

在建模过程中采用自适应聚类的近邻欠采样技术对AdaBoost算法进行改进，得到了ACNUSBoost算法，通过自适应聚类算法对训练样本中的多数类样本进行聚类，针对每个簇的聚类中心保留一定比例的近邻样本作为代表性样本，随机去除部分剩余的多数类样本，少数类样本数量保持不变；并对分类器进行多次线性组合，得到基于ACNUSBoost算法的脱贫时间预测模型；

测试阶段：

输入待预测的贫困户数据，通过基于ACNUSBoost算法的脱贫时间预测模型，输出预测的脱贫时间；

该方法中采用K均值聚类作为近邻欠采样技术中的聚类算法，在确定K值的过程中，首先进行初始聚类，然后比较此时各个聚类簇中的覆盖准确率与错误率的差值，选择差值较大的K，其中K的范围是n为样本数；使用K-means++算法确定初始聚类中心，通过欧式距离度量样本之间的相似性；

该方法中改进后的ACNUSBoost算法具体包括以下步骤：

步骤1、初始化训练样本的初始权重，各个训练样本的初始权重均相同，初始权重为

步骤2、通过自适应聚类的近邻欠采样技术，即ACNUS技术，处理训练样本，对处理后的训练样本集进行训练，得到多个基分类器，并更新每个训练样本的权重；

步骤3、根据更新后的权重，对基分类器进行线性组合，得到基于ACNUSBoost算法的脱贫时间预测模型；

步骤2的具体方法为：

步骤2.1、对训练样本集中t＝1,2,3,…,T，使用ACNUS技术处理多数类样本，产生训练样本子集D_t，其中D_t＝{x₁,x₂,…x_N}；

步骤2.2、对训练样本子集D_t进行训练，得到基分类器G_t(x)＝f(D_t)；

步骤2.3、计算G_t(x)在训练样本子集D_t上的分类错误率e_t；

e_t＝P(G_t(x_i)≠y_i)

如果e_t0.5，则迭代停止；

步骤2.4、计算基分类器G_t(x)的权重α_t；

步骤2.5、对于训练样本子集D_t中的每一个样本更新其权重；

步骤2.6、t+1，判断t是否大于T，若是执行下一步，否则执行步骤2.1；

步骤2.1中ACNUS算法的具体方法为：

步骤2.1.1、确定聚类簇K的个数；在范围内通过二分策略对K进行取值，每次取值后对样本进行划分并随机生成类中心，并计算上述划分类覆盖样本正确率与错误率的差值，选择差值最大时K的取值；

步骤2.1.2、使用K均值聚类算法对多数类样本进行聚类，得到K个聚类中心U＝{u₁,u₂,…u_k}，则每个聚类簇样本数目是

步骤2.1.3、设置采样子集i＝1；

步骤2.1.4、保留第i个聚类中心μ_i的近邻样本，样本数为P_i；

步骤2.2.5、在剩余的个样本中随机去除O_i个样本，并将其移入到子集Q中；

步骤2.1.6、i+1，判断i是否大于K，若是则执行步骤2.1.7，否则返回执行步骤2.1.4；

步骤2.1.7、得到欠采样后的样本集D'＝D-Q，此时D_t＝D'；

步骤3中进行线性组合的方法为：

其中，f(x)为组合后的分类器，基分类器G_t(x)的对应权重为α_t。

2.根据权利要求1所述的基于欠采样改进的AdaBoost算法的脱贫时间预测方法，其特征在于，该方法中选取模型输入和输出的方法具体为：

通过对入库贫困户相关基本信息进行整理，提取贫困户的致贫敏感信息包括：贫困户类型、致贫原因、子女数、是否有学生在读、耕地面积、技能程度以及享受的政策，作为模型的输入X，即X＝{x₁,x₂,x₃,x₄,...,x_i}；通过抽取贫困户的入库日期以及脱贫日期，得到贫困户从入库到脱贫所用的时间即脱贫年限Y，即Y＝{y₁,y₂,y₃,...,y_m}，将其作为模型输出。