一种基于决策森林的单调分类方法

来源：计算机研究与发展杂志2017年第7期北京时间：

作者：许行,王文剑,任丽芳,

摘要：单调分类问题是特征与类别之间带有单调性约束的有序分类问题.对于符号数据的单调分类问题已有较好的方法，但对于数值数据，现有的方法分类精度和运行效率有限.提出一种基于决策森林的单调分类方法(monotonicclassificationmethodbasedondecisionforest，MCDF)，设计采样策略来构造决策树，可以保持数据子集与原数据集分布一致，并通过样本权重避免非单调数据的影响，在保持较高分类精度的同时有效提高了运行效率，同时这种策略可以自动确定决策森林中决策树的个数.在决策森林进行分类时，给出了决策冲突时的解决方法.提出的方法既可以处理符号数据，也可以处理数值数据.在人造数据集、UCI及真实数据集上的实验数据表明:该方法可以提高单调分类性能和运行效率，缩短分类规则的长度，解决数据集规模较大的单调分类问题.

关键词：单调分类, 决策树, 单调一致性, 决策森林, 集成学习,