可收缩步长的多类别集成学分类方法

摘要

本发明涉及可收缩步长的多类别集成学分类方法，该方法首先将原始数据进行预处理，转换成分类方法可以处理的数据格式，获得训练数据集和待分类数据集；然后初始化训练数据集样本权重；然后依据训练数据集样本权重以及训练步长，训练M个基分类器，其中根据需要收缩步长；然后集成所有基分类器，得到最终判别分类器，对待分类数据集进行分类；最后将分类结果保存到文件中，提供分类预测的参考。本发明解决了因使用固定步长导致的最终分类界面没有最优化，分类预测精度欠佳的问题，同时省去了使用线搜索估计带来的时间开销。

主权项

一种可收缩步长的多类别集成学习分类方法，其特征在于该方法具体步骤如下：A.      将原始数据进行预处理，转换成分类方法可以处理的数据格式，同时获得训练数据集和待分类数据集；B.      初始化训练数据集样本权重；C.      从m=1到M迭代，依据训练数据集样本权重以及训练步长，训练M个基分类器；D.      集成步骤C中的所有基分类器，得到最终判别分类器，对待分类数据集进行分类；E.      将分类结果保存到文件中，提供分类预测的参考。