摘 要：文章分析了基于Stacking的算法框架，提出了一種基于Stacking的集成學(xué)習(xí)算法，在兩種疾病數(shù)據(jù)集上，實(shí)驗(yàn)結(jié)果表明，該方法性能良好。

關(guān)鍵詞：集成學(xué)習(xí);隨機(jī)森林;堆棧

1 ? ?分類挖掘技術(shù)在疾病輔助診斷上的應(yīng)用

近年來，越來越多的學(xué)者將分類挖掘技術(shù)應(yīng)用于疾病的輔助診斷上，如劉文博等[1]提出了一種迭代隨機(jī)森林算法，對(duì)糖尿病數(shù)據(jù)進(jìn)行預(yù)測(cè)。金強(qiáng)等[2]提出，應(yīng)用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法，提高乳腺癌診斷準(zhǔn)確率。本文提出了一種基于堆棧的集成學(xué)習(xí)算法，應(yīng)用于肝臟疾病和皮膚疾病數(shù)據(jù)的分類預(yù)測(cè)，為臨床診斷、個(gè)人健康提供有效的決策依據(jù)與幫助。

2 ? ?基于Stacking的集成學(xué)習(xí)算法

Stacking通常是一個(gè)兩層結(jié)構(gòu)：0層和1層。0層在底層，選擇訓(xùn)練多個(gè)不同類型的基礎(chǔ)分類器生成元級(jí)數(shù)據(jù);1層應(yīng)用元級(jí)數(shù)據(jù)訓(xùn)練形成元分類器。元數(shù)據(jù)通過K折交叉驗(yàn)證的過程生成，由基礎(chǔ)分類器對(duì)輸入實(shí)例的預(yù)測(cè)結(jié)果和實(shí)例的真實(shí)類標(biāo)號(hào)組成。其中，基礎(chǔ)分類器的輸出有兩種方式：類標(biāo)號(hào)、類概率分布。研究證明，基于類概率分布的Stacking算法性能比較好。學(xué)者們提出了許多基于類概率分布的Stacking算法，如Stacking-MLR等[3]和Stacking-MDT等[4]。本文選擇基礎(chǔ)分類器輸出的類概率分布作為元數(shù)據(jù)的組成部分，并選擇Randomforest（RF）作為元分類器，構(gòu)建集成算法Stacking-RF。

3 ? ?數(shù)據(jù)集與評(píng)價(jià)準(zhǔn)則

實(shí)驗(yàn)在兩個(gè)公共數(shù)據(jù)集上進(jìn)行，包括肝臟疾病數(shù)據(jù)集（Hepatitis）和皮膚疾病數(shù)據(jù)集（Dermatology）。兩個(gè)實(shí)驗(yàn)數(shù)據(jù)集信息如表1所示。

實(shí)驗(yàn)采用準(zhǔn)確率衡量集成算法的性能。準(zhǔn)確率表示正確分類實(shí)例數(shù)與全體實(shí)例數(shù)的比值。

4 ? ?實(shí)驗(yàn)與分析

實(shí)驗(yàn)選擇的3個(gè)基礎(chǔ)分類器：NaiveBasye（NB），SimpleLogistic（SL）和J48，元分類器為Randomforest（RF），實(shí)驗(yàn)數(shù)據(jù)如表2所示。

從表2可以看出，本文提出的集成算法Stacking-RF在準(zhǔn)確率性能指標(biāo)上，均優(yōu)于3個(gè)個(gè)體分類器NaiveBasye，SimpleLogistic和J48。如在Hepatitis，Stacking-RF優(yōu)于準(zhǔn)確率最高的個(gè)體分類器SimpleLogistic 0.8%。同樣，在數(shù)據(jù)集Dermatology，Stacking-RF均優(yōu)于3個(gè)個(gè)體分類器。因此，本文提出的集成算法Stacking-RF在兩種疾病數(shù)據(jù)集上表現(xiàn)了良好的性能。

5 ? ?結(jié)語(yǔ)

首先，本文詳細(xì)分析了基于Stacking的算法框架;其次，提出了一種基于Stacking的集成學(xué)習(xí)算法;最后，在兩種疾病數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果表明，本文提出的集成算法性能表現(xiàn)良好。

[參考文獻(xiàn)]

[1]劉文博，梁盛楠，秦喜文，等.基于迭代隨機(jī)森林算法的糖尿病預(yù)測(cè)[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2019（6）：604-611

[2]金強(qiáng)，高普中.人工神經(jīng)網(wǎng)絡(luò)在乳腺癌診斷中的應(yīng)用[J].中國(guó)普外基礎(chǔ)與臨床雜志，2019（5）：625-630.

[3]TING K M，WITTEN I H.Issues in stacked generalization[J].Journal of Artificial Intelligence Research，1999（10）：271-289.

[4]TODOROVSKI L，DZEROSKI S.Combining multiple models with meta decision trees[C].Paris：4th European Conference on Principles of Data Mining and Knowledge Discovery，2000.

[6]袁梅宇.數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)-WEKA應(yīng)用技術(shù)與實(shí)踐[M].北京：清華大學(xué)出版社，2010.

作者簡(jiǎn)介：丁偉民（1979— ），男，漢族，山東濰坊人，講師，碩士;研究方向：計(jì)算機(jī)應(yīng)用技術(shù)。