一种基于SVM的大数据分类预测方法

摘要

本发明提供了一种基于SVM的大数据分类预测方法，可以进行大数据样本的有效信息择决操作，获取一种新型决定因素，从而找到一个能够体现原始大数据信息的新型样本C，对于样本C进行SVM分类预测操作，结果表明分类正确率大大的提高，大大的缩短运行时间，是大数据信息处理的一种有效方式。

主权项

一种基于SVM的大数据分类预测方法，针对一组具有n个决定因素，记为N₁，N₂，...，N_n，样本容量为M的大数据，该大数据共分为p类，第1类样本记为样本M₁₁，M₁₂，M₁₃，...，第2类样本记为样本M₂₁，M₂₂，M₂₃，...，……，第p类样本记为样本M_p1，M_p2，M_p3，...，其特征在于，步骤为：步骤1、对M个样本进行主成分分析操作，得到贡献率达到某个固定值的个数X；步骤2、用层次分析法得到每个决定因素的权值T₁，T₂，...，T_n，按照从大到小的顺序取前X个权值；步骤3、计算得到每类样本中各个样本数据所对应的新型决定因素，将属于同一类样本的所有新型决定因素由小到大排序，取得排列在中间的B％的数据，形成新的样本集C，B的值根据样本容量自行设定，样本容量越大，B越小，取得的有效数据越具有统计价值，其中，第i类样本中第j个样本数据M_ij对应的新型决定因素w_ij的计算过程为：设样本数据M_ij与N₁，N₂，...，N_n相对应的内容为A_ij1，A_ij2，...，A_ijn，在T₁，T₂，...，T_n及A_ij1，A_ij2，...，A_ijn中取前X个值，则步骤4、在样本集C中选取一定量的数据作为训练样本，一定量的数据进行预测分析，对样本集C进行基于SVM的样本分类预测。