基于集成学习的烟草异常数据挖掘研究与应用

来源：计算机技术与发展杂志2020年第11期北京时间：

作者：李天举;谢志峰;张侃弘;陶亦筠;范杰;汤臻

摘要：为了推动上海市烟草专卖市场监管方式转型, 实现市场监管水平的有效提升, 通过引入异常数据挖掘方法, 从而强化市场异动预测和分析。结合目前机器学习前沿理论的研究, 提出了基于多模型 Stacking 集成学习的烟草异常数据挖掘模型,运用 Stacking 集成学习的方式,充分发挥各个算法模型的优势。数据集使用的是2016年1月到2019年4月的烟草专卖数据,通过数据预处理等方式将数据指标化,并使用数据增强等手段一定程度上缓解了数据不平衡的问题。 使用该数据对模型进行了验证分析,其结果很好地证明了 Stacking 模型中单个机器学习算法的学习能力越强,关联程度越低,集成后的模型预测结果越好。 最后通过实证稽查环节,充分验证了模型的有效性,经过全市实证后,市场检查对零售户的问题查实率能从现有的 5% 左右提升至 15% 以上。

关键词：异常数据挖掘;集成学习;数据预处理;数据增强;Stacking 模型