计算机应用

作者：李艳, 郭劼, 范斌

单位：1.河北大学 数学与信息科学学院, 河北 保定 071002；2.河北省机器学习与计算智能重点实验室(河北大学), 河北 保定 071002；3.北京师范大学珠海校区 应用数学与交叉科学研究中心, 广东 珠海 519087

关键词：元学习,元特征,不确定性度量,相关性分析,数据集特征

基金：国家自然科学基金资助项目(61976141);河北省教育厅科学技术重点项目(ZD2019021)

元学习即应用机器学习的方法（元算法）寻求问题的特征（元特征）与算法相对性能测度间的映射，从而形成元知识的学习过程，如何构建和提取元特征是其重要的研究内容。针对目前相关研究所用到的元特征大部分是数据的统计特征的问题，提出不确定性建模并研究不确定性对于学习系统的影响。根据样本的不一致性、边界的复杂性、模型输出的不确定性、线性可分度、属性的重叠度以及特征空间的不确定性，建立了六种数据或模型的不确定性元特征；同时，从不同角度衡量学习问题本身的不确定性大小，并给出了具体的定义。在大量分类问题的人工数据和真实数据集上实验分析了这些元特征之间的相关性，并使用K最近邻（KNN）等多个分类算法对元特征与测试精度之间的相关度进行初步分析。结果表明相关度平均在0.8左右，可见这些元特征对学习性能具有显著影响。

来源：2022年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第2期