[发明专利]一种针对不均衡数据的算法推荐方法

摘要

本发明公开了一种针对不均衡数据的算法推荐方法，使用特征提取方法提取数据集的特征并对每一维特征分别进行标准化，从而得到数据集的元特征。然后使用AUC，Recall以及算法的运行时间来评估候选算法的性能。在收集元目标时，获取候选算法在不均衡数据集上的性能指标，对候选算法排序，并使用得分的方法将三个候选算法序列进行融合，最终得到元目标，即候选算法的排序序列。在给新数据集推荐算法时，通过特征提取方法获取新数据集的特征向量，使用标准化方法，对新数据集的特征向量进行标准化。然后使用KNN方法获取新数据集的K个近邻的候选算法序列，通过将这K个邻居的候选算法序列加和并重新排序，就得到了新数据集的候选算法序列。

主权项

1.一种针对不均衡数据的算法推荐方法，其特征在于：包括以下步骤：步骤1，元特征收集：使用基于距离度量的特征，通过计算数据集中两两实例之间的距离，然后将这些距离排序，分别计算出距离序列的特征集合，用于反映了数据集中实例之间的关系；步骤2，元目标收集：首先需要进行合适算法识别，在数据集上度量所有的候选算法，采用十折交叉验证的方法；步骤3，根据各个指标对候选算法进行排序：在收集完候选算法在不均衡数据集上的性能之后，需要对候选算法进行排序；在得到候选算法的最终排序序列后，还需要将元特征与元目标结合起来构成了元数据集；步骤4，推荐器的构建及新数据集合适算法推荐：使用KNN进行算法推荐，KNN推荐器的构建和新数据集合适算法推荐同时进行，当有新数据集时，首先提取数据集的元特征，然后通过元特征计算出该数据集的k个近邻，然后将k个近邻的元目标进行整合，整合方法就是将对应候选算法的排名加在一起，然后再重新按照加和之后的结果进行排序；即得到新数据集候选算法的排序序列，推荐过程完成。