肖躍雷 ，張?jiān)茓?

（1. 西安郵電大學(xué)現(xiàn)代郵政學(xué)院，西安710061； 2. 陜西省信息化工程研究院，西安710075）

0 引言

近年來全球恐怖襲擊事件頻繁發(fā)生，直接造成了巨大的人員傷亡和財(cái)產(chǎn)損失，嚴(yán)重阻礙了社會穩(wěn)定和經(jīng)濟(jì)發(fā)展，恐怖襲擊事件問題已成為當(dāng)前國際社會比較關(guān)注的一個熱點(diǎn)問題［1］。為了保護(hù)人們的生命財(cái)產(chǎn)安全，維護(hù)社會經(jīng)濟(jì)的穩(wěn)定和發(fā)展，針對恐怖襲擊事件的分析和預(yù)測勢在必行。通過對歷史恐怖襲擊事件進(jìn)行分析，可以尋找出恐怖襲擊事件的發(fā)生特點(diǎn)和規(guī)律，進(jìn)而對恐怖襲擊事件進(jìn)行預(yù)測，以便幫助各國政府及時采取有效的反恐措施。

目前針對恐怖襲擊事件的研究有很多，其中運(yùn)用機(jī)器學(xué)習(xí)［2-4］對恐怖襲擊事件進(jìn)行分析預(yù)測已成為當(dāng)前的研究熱點(diǎn)。文獻(xiàn)［5-7］中運(yùn)用分類預(yù)測方法對恐怖襲擊事件進(jìn)行大量分析，得到了恐怖襲擊事件中攻擊的模式、區(qū)域和行為等特征，挖掘了恐怖襲擊事件特征之間的一些潛在聯(lián)系。文獻(xiàn)［8-9］中對恐怖襲擊組織的關(guān)系進(jìn)行分析，研究了恐怖襲擊組織的屬性特征之間的聯(lián)系，發(fā)現(xiàn)了恐怖襲擊組織的網(wǎng)絡(luò)結(jié)構(gòu)和重要犯罪組織。文獻(xiàn)［10］中利用N-gram 模型對恐怖襲擊事件的常見動機(jī)進(jìn)行挖掘，通過大數(shù)據(jù)分析，提高了預(yù)測精度。文獻(xiàn)［11］中對恐怖襲擊事件進(jìn)行分類預(yù)測，利用最大相關(guān)和最小冗余進(jìn)行特征選擇，通過不同分類器的性能比較，驗(yàn)證了機(jī)器學(xué)習(xí)在恐怖襲擊事件分類預(yù)測領(lǐng)域的可行性。文獻(xiàn)［12］在恐怖襲擊事件的檢測環(huán)境中，使用隨機(jī)森林（Random Forest，RF）作為分類器，并與決策樹（Decision Tree，DT）算法和模糊C 均值（Fuzzy C-Means，F(xiàn)CM）方法作比較，發(fā)現(xiàn)RF 方法的分類錯誤率較低，且不會出現(xiàn)過擬合現(xiàn)象。文獻(xiàn)［13］中提出了一種運(yùn)用加權(quán)的貝葉斯方法對恐怖襲擊組織行為進(jìn)行預(yù)測，提高了算法的預(yù)測精度和計(jì)算效率；該算法在準(zhǔn)確度及時間復(fù)雜度上優(yōu)于基于頻繁模式的分類算法，但存在計(jì)算繁瑣、耗時長等問題。文獻(xiàn)［14］中提出了一種基于機(jī)器學(xué)習(xí)的恐怖分子預(yù)測方法，通過Bagging 分類器、DT、RF 和全連接神經(jīng)網(wǎng)絡(luò)對恐怖襲擊事件制造者進(jìn)行預(yù)測，并對各個分類算法中的參數(shù)進(jìn)行尋優(yōu)，提高了分類預(yù)測的準(zhǔn)確率?？植酪u擊事件數(shù)據(jù)通常是一個不平衡數(shù)據(jù)集，例如：全球恐怖主義數(shù)據(jù)庫（Global Terrorism Database，GTD）［15］。上述恐怖襲擊事件分析預(yù)測方法均沒有很好地解決恐怖襲擊事件數(shù)據(jù)的樣本不平衡問題，預(yù)測性能有待進(jìn)一步提高，特別是針對少數(shù)類樣本的預(yù)測性能。

為此，針對恐怖襲擊組織的分類預(yù)測，本文提出了一種基于特征選擇和超參數(shù)優(yōu)化的恐怖襲擊組織預(yù)測方法。該方法首先利用基于隨機(jī)森林迭代的后向特征選擇算法進(jìn)行特征選擇；然后利用 DT［16-17］、RF［18-19］、Bagging［20-21］和 XGBoost［22-23］這四種主流分類器對恐怖襲擊組織進(jìn)行分類預(yù)測，并利用貝葉斯優(yōu)化方法對這些分類器進(jìn)行超參數(shù)優(yōu)化；最后，評價(jià)這些分類器在多數(shù)類樣本和少數(shù)類樣本上的分類預(yù)測性能。通過實(shí)驗(yàn)和結(jié)果分析可知，該方法提高了對恐怖襲擊組織的分類預(yù)測性能，其中使用RF和Bagging 時的分類預(yù)測性能最佳，特別是在少數(shù)類樣本上有明顯提高。

1 恐怖襲擊組織預(yù)測模型

本文提出的恐怖襲擊組織預(yù)測模型如圖1 所示，主要包括數(shù)據(jù)預(yù)處理、特征選擇、超參數(shù)優(yōu)化和分類器分類四個步驟。

圖1 恐怖襲擊組織預(yù)測模型Fig. 1 Prediction model of terrorist attack organization

1.1 數(shù)據(jù)預(yù)處理

本文對恐怖襲擊事件原始數(shù)據(jù)的預(yù)處理主要包括數(shù)據(jù)清洗和數(shù)據(jù)轉(zhuǎn)換。

數(shù)據(jù)清洗過程為：首先刪除一些對預(yù)測模型無用的文本描述性特征；然后通過數(shù)據(jù)完整性分析刪除一些數(shù)據(jù)嚴(yán)重缺失的記錄和特征，接著對數(shù)據(jù)缺失值進(jìn)行相應(yīng)的填充；最后利用Pearson（皮爾遜）方法進(jìn)行特征相關(guān)性分析，刪除一些不顯著的自變量特征，并根據(jù)共線性刪除一些冗余自變量特征。此外，還需要刪除少數(shù)類樣本只有1 條的記錄，因?yàn)? 個樣本無法同時用于分類預(yù)測方法中的訓(xùn)練過程和測試過程。

轉(zhuǎn)換過程為：首先對一些文本型數(shù)據(jù)進(jìn)行數(shù)值轉(zhuǎn)換，然后對一些連續(xù)型數(shù)據(jù)進(jìn)行離散化處理，最后對數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化轉(zhuǎn)換。

1.2 特征選擇

文獻(xiàn)［24］中提出了RF在處理不平衡數(shù)據(jù)上的應(yīng)用，并通過實(shí)驗(yàn)證明了它在處理不平衡數(shù)據(jù)上的優(yōu)勢。由于恐怖襲擊事件數(shù)據(jù)通常是一個不平衡數(shù)據(jù)集，所以本文在文獻(xiàn)［24］的基礎(chǔ)上，提出了一種基于RF 迭代的后向特征選擇算法，通過RF迭代來進(jìn)行后向特征選擇，具體如下。

算法1 基于RF迭代的后向特征選擇算法。

輸入 具有特征集合F ={ fi|i = 1，2，…，n}的數(shù)據(jù)集DF；

輸出 具有被選擇特征子集S的數(shù)據(jù)集DS。

1） DS← DF

2） 當(dāng)前驗(yàn)證錯誤率Ec← 1

3） do｛

4） 對數(shù)據(jù)集DS執(zhí)行RF算法

5） for i ← 1 to n

6） 計(jì)算每個特征fi的重要性值IVi

7） end for

8） 最小重要性值IVmin←IV1

9） 最小重要性值特征序號j ←1

10） for i ← 2 to n

11） if IVi≤ IVmin

12） 更新最小重要性值IVmin= IVi

13） 更新最小重要性值特征序號j = i

14） end if

15） end for

16） 從數(shù)據(jù)集DS中刪除特征fj

17） 更新n ← n - 1

18） 之前驗(yàn)證錯誤率Ep← Ec

19） 當(dāng)前驗(yàn)證集DV← DS

20） 基于DV計(jì)算當(dāng)前驗(yàn)證錯誤率Ec

21） ｝while（Ec≥ Ep）

22） return DS

算法1中，特征fi的重要性值IVi的計(jì)算公式如下：

其中：對于RF 中的每一棵DT，使用相應(yīng)的袋外數(shù)據(jù)（Out Of Bag，OOB）來計(jì)算它的袋外數(shù)據(jù)誤差，記為EOOB1；隨機(jī)地對OOB 所有樣本的特征fi加入噪聲干擾，再次計(jì)算它的袋外數(shù)據(jù)誤差，記為EOOB2。N 表示RF 有N 棵DT。基于當(dāng)前驗(yàn)證集DV計(jì)算當(dāng)前驗(yàn)證錯誤率Ec的計(jì)算公式如下：

其中：ne表示當(dāng)前驗(yàn)證集DV使用RF 后的錯誤分類樣本數(shù)目，表示當(dāng)前驗(yàn)證集DV的樣本總數(shù)目。

1.3 超參數(shù)優(yōu)化

超參數(shù)優(yōu)化［25-26］就是一組超參數(shù)的機(jī)器學(xué)習(xí)模型，它的目標(biāo)就是通過驗(yàn)證誤差目標(biāo)函數(shù)，找到在驗(yàn)證集上產(chǎn)生最小誤差的一組超參數(shù)，并且能夠很好地應(yīng)用于測試集。

本文運(yùn)用Python 中一個用于超參數(shù)優(yōu)化的類庫Hyperopt，通過設(shè)定分類器的超參數(shù)取值范圍，假設(shè)解空間，然后利用貝葉斯優(yōu)化［27-29］快速尋找一個滿足目標(biāo)函數(shù)的合理解。貝葉斯優(yōu)化就是通過基于過去對目標(biāo)的評估結(jié)果建立一個不斷更新的概率模型來找到使得目標(biāo)函數(shù)最小的值。

1.4 分類器

本文使用DT、RF、Bagging 和XGBoost 這四種主流分類器對恐怖襲擊組織進(jìn)行分類預(yù)測，并對其性能進(jìn)行評價(jià)比較。

DT［16-17］是機(jī)器學(xué)習(xí)中一種基本的分類方法，它的模型為樹形結(jié)構(gòu)。DT對訓(xùn)練數(shù)據(jù)來說分類能力會很好，但對未知的測試數(shù)據(jù)分類能力不一定好。由于節(jié)點(diǎn)的劃分過程會一直反復(fù)，可能會使DT的分支過多，存在過擬合現(xiàn)象，所以要對生成的樹進(jìn)行由上到下的剪枝。首先去掉過于細(xì)分的葉節(jié)點(diǎn)，使其回退到父節(jié)點(diǎn)，甚至更高的節(jié)點(diǎn)；然后將父節(jié)點(diǎn)或更高的節(jié)點(diǎn)改為新的葉節(jié)點(diǎn)，使樹變得簡單，從而使它具有更好的泛化能力。本文采用的DT 為分類與回歸樹（Classification And Regression Tree，CART）。

Bagging［20-21］也稱自舉匯聚法（boostrap aggregating），是一種在原始數(shù)據(jù)集中有放回地抽取m次后得到m個采樣集的技術(shù)。在m個采樣集建好之后，首先利用每個采樣集分別對m個基分類器進(jìn)行訓(xùn)練，然后通過基分類器的組合策略得到最終的集成分類器。本文在Bagging 中按照少數(shù)服從多數(shù)的原則來投票確定最終類別。

RF［18-19］是通過集成學(xué)習(xí)的思想利用多棵樹對樣本進(jìn)行訓(xùn)練并預(yù)測的一種分類器算法，該算法通過在訓(xùn)練時間內(nèi)構(gòu)建多棵DT 并輸出作為類的標(biāo)簽（分類）或個體樹預(yù)測的平均值（回歸）。由于RF將多棵決策樹集成在一起訓(xùn)練和預(yù)測，所以RF可以修正因決策樹的歸納偏好產(chǎn)生的過擬合問題。

Boosting［22］的基本思想是通過某種方式使得每一輪基學(xué)習(xí)器在訓(xùn)練過程中更加關(guān)注上一輪學(xué)習(xí)錯誤的樣本。Gradient Boosting 將負(fù)梯度作為上一輪基學(xué)習(xí)器犯錯的衡量標(biāo)準(zhǔn)，在下一輪學(xué)習(xí)中通過擬合負(fù)梯度來糾正上一輪的錯誤。XGBoost［22-23］在 Gradient Boosting上作了一些改進(jìn)：主要是引入了二階導(dǎo)數(shù)，用一階與二階導(dǎo)數(shù)逼近損失函數(shù)，這樣在優(yōu)化過程中有更多的信息；同時XGBoost 在損失函數(shù)中加入了正則項(xiàng)，用于權(quán)衡模型的復(fù)雜度，使得模型更加簡單，防止過擬合。XGBoost 通過一組分類器的串行迭代計(jì)算實(shí)現(xiàn)更高精度的分類效果，其基學(xué)習(xí)器是CART，在預(yù)測時將多個基學(xué)習(xí)器的預(yù)測結(jié)果綜合考慮得出最終結(jié)果。

1.5 性能評價(jià)

對于分類預(yù)測問題，基本的性能衡量指標(biāo)為混淆矩陣，如表1 所示。表1 中：TP（True Positive）表示實(shí)際類別為True，預(yù)測類別也為True；FN（False Negative）表示實(shí)際類別為True，但預(yù)測類別為False；FP（False Positive）表示實(shí)際類別為False，但預(yù)測類別為True；TN（True Negative）表示實(shí)際類別為False，預(yù)測類別也為False。

表1 混淆矩陣Tab. 1 Confusion matrix

常用分類預(yù)測性能評價(jià)指標(biāo)準(zhǔn)確率（Accuracy）、精確度（Precision）、召回率（Recall）和F1 分?jǐn)?shù)（F1-score）的計(jì)算公式如下：

其中：Accuracy是所有預(yù)測正確的樣本數(shù)與總樣本數(shù)的比值；Precision是所有預(yù)測為正樣本的樣本中，真實(shí)為正樣本的比例；Recall（也稱為檢測率）是預(yù)測為正樣本的數(shù)量占所有正樣本總數(shù)的比例；F1-score是精確度和召回率的調(diào)和平均數(shù)。由于對恐怖襲擊組織的預(yù)測是一個分類預(yù)測問題，所以本文以這4 個性能評價(jià)指標(biāo)作為恐怖襲擊組織預(yù)測模型的性能評價(jià)指標(biāo)。

為了評價(jià)恐怖襲擊組織預(yù)測模型在多數(shù)類樣本和少數(shù)類樣本上的性能，本文首先對恐怖襲擊事件數(shù)據(jù)按照多數(shù)類樣本到少數(shù)類樣本進(jìn)行分段劃分，然后利用以上4 個性能評價(jià)指標(biāo)來評價(jià)恐怖襲擊組織預(yù)測模型在多數(shù)類樣本和少數(shù)類樣本上的性能。

2 實(shí)驗(yàn)與結(jié)果分析

本文實(shí)驗(yàn)的數(shù)據(jù)集為1998—2017 年的全球恐怖主義數(shù)據(jù)庫（GTD）［15］，其中每條恐怖襲擊事件數(shù)據(jù)記錄有135 個屬性字段信息，包括事件發(fā)生時間、地點(diǎn)、傷亡人數(shù)、武器類型、財(cái)產(chǎn)損失等重要信息。

首先，通過數(shù)據(jù)預(yù)處理篩選出了GTD中的43 335個樣本，39 個特征。篩選出的39 個特征為：年、月、日、是否為持續(xù)事件、國家、地區(qū)、省/行政區(qū)/州、城市、地理特征編碼、附近地區(qū)、入選標(biāo)準(zhǔn)1、入選標(biāo)準(zhǔn)3、事件組的一部分、成功的襲擊、自殺式襲擊、攻擊類型1、目標(biāo)/受害者類型、目標(biāo)/受害者子類型、實(shí)體名稱、具體目標(biāo)/受害者、目標(biāo)/受害者的國籍、動機(jī)、第一涉嫌犯罪集團(tuán)、個人襲擊、兇手?jǐn)?shù)量、抓獲的兇手?jǐn)?shù)量、聲稱負(fù)責(zé)、武器類型1、武器子類型、死亡總數(shù)、美國死亡人數(shù)、兇手死亡人數(shù)、受傷總數(shù)、美國受傷人數(shù)、兇手受傷人數(shù)、財(cái)產(chǎn)損失、財(cái)產(chǎn)損失程度、人質(zhì)或受害者和恐怖襲擊組織。前38 個特征為自變量特征，最后1個特征為因變量特征。

這43 335個樣本的恐怖襲擊組織個數(shù)為826，其中每個恐怖襲擊組織的樣本個數(shù)（即每個恐怖襲擊組織的襲擊次數(shù)）最小為2，最大為6 310，且差異很大，如圖2 所示。因此，這43 335個樣本是一個不平衡數(shù)據(jù)集。

圖2 恐怖襲擊組織的樣本個數(shù)分布Fig.2 Distribution of sample number of terrorist attack organizations

從圖2數(shù)據(jù)統(tǒng)計(jì)分析可知，樣本個數(shù)為100及以上的恐怖襲擊組織有56 個，但是總樣本個數(shù)為34 374，屬于多數(shù)類樣本；而樣本個數(shù)為100 以下的恐怖襲擊組織有770 個之多，但是總樣本個數(shù)只有9 151，屬于少數(shù)類樣本；特別地，樣本個數(shù)為20 及以下的恐怖襲擊組織有641 個之多，但是總樣本個數(shù)只有3 519。

為了更好地評價(jià)恐怖襲擊組織預(yù)測模型在多數(shù)類和少數(shù)類樣本上的性能，如表2 所示將43 335 個樣本劃分為多個區(qū)間。

然后，通過上述特征選擇算法最終篩選出了28 個影響最大的自變量特征，分別為：年、月、日、是否為持續(xù)事件、國家、地區(qū)、省/行政區(qū)/州、城市、地理特征編碼、事件組的一部分、攻擊類型1、目標(biāo)/受害者類型、目標(biāo)/受害者子類型、實(shí)體名稱、具體目標(biāo)/受害者、目標(biāo)/受害者的國籍、動機(jī)、第一涉嫌犯罪集團(tuán)、兇手?jǐn)?shù)量、抓獲的兇手?jǐn)?shù)量、聲稱負(fù)責(zé)、武器類型1、武器子類型、死亡總數(shù)、受傷總數(shù)、兇手受傷人數(shù)、財(cái)產(chǎn)損失和財(cái)產(chǎn)損失程度，它們累計(jì)特征貢獻(xiàn)率達(dá)到90%以上。

表2 樣本分段Tab. 2 Sample segments

最后，將特征選擇后的數(shù)據(jù)集的70%劃分為訓(xùn)練集，30%為測試集，使用DT、RF、Bagging和XGBoost這四種主流分類器對恐怖襲擊組織進(jìn)行分類預(yù)測，并利用Hyperopt 來對這四種分類器的超參數(shù)進(jìn)行優(yōu)化。在開始搜索時，Hyperopt會默認(rèn)進(jìn)行隨機(jī)搜索，而且在搜索過程中會對函數(shù)的輸出進(jìn)行預(yù)估，然后不斷地根據(jù)之前的結(jié)果來調(diào)整搜索空間，計(jì)算出參數(shù)空間內(nèi)的一個點(diǎn)的損失函數(shù)值。經(jīng)過貝葉斯優(yōu)化后，DT的最大深度max_depth= 40；RF 的最大特征數(shù)max_features= 0.8，基分類器個數(shù)n_estimators= 120，最大深度max_depth= 40；Bagging的max_features= 0.6，n_estimators= 130；XGBoost 的學(xué)習(xí)率learning_rate= 0.5，max_depth= 40，n_estimators= 130。

同樣將預(yù)處理后數(shù)據(jù)集的70%劃分為訓(xùn)練集，30%為測試集，但僅使用 DT、RF、Bagging 和 XGBoost 這四種主流分類器對恐怖襲擊組織進(jìn)行分類預(yù)測，不進(jìn)行上述特征選擇和超參數(shù)優(yōu)化。表3 為這四種主流分類器在特征選擇和超參數(shù)優(yōu)化前后的準(zhǔn)確率對比。從表3 可知，在進(jìn)行特征選擇和超參數(shù)優(yōu)化后，使用這四個分類器的分類預(yù)測準(zhǔn)確率都有相應(yīng)的提高，特別是RF、Bagging 和XGBoost的準(zhǔn)確率提高較大，其中RF和Bagging的準(zhǔn)確率分別達(dá)到0.823 9和0.831 6。

表3 各分類器在特征選擇和超參數(shù)優(yōu)化前后的準(zhǔn)確率Tab. 3 Accuracy of different classifiers before and after feature selection and hyperparameter optimization

圖 3 為 DT、RF、Bagging 和 XGBoost 這四種主流分類器在特征選擇和超參數(shù)優(yōu)化前后不同樣本分段的精確度、召回率和F1分?jǐn)?shù)對比，其中空心柱狀圖為各分類器在特征選擇和超參數(shù)優(yōu)化前不同樣本分段的結(jié)果，而有圖案填充的柱狀圖為各分類器在特征選擇和超參數(shù)優(yōu)化后不同樣本分段的結(jié)果（后續(xù)實(shí)驗(yàn)中的圖形含義一致）。

從圖3 可知，在進(jìn)行特征選擇和超參數(shù)優(yōu)化后，在不同樣本分段上，使用這四個分類器的分類預(yù)測精確度、召回率和F1 分?jǐn)?shù)都有相應(yīng)的提高。特別地，在少數(shù)類樣本分段上，RF和Bagging 的分類預(yù)測精確度、召回率和F1 分?jǐn)?shù)均提高明顯，優(yōu)于DT 和XGBoost。因此，通過特征選擇和超參數(shù)優(yōu)化，可以提高DT、RF、Bagging 和XGBoost 這四種主流分類器對恐怖襲擊組織的分類預(yù)測準(zhǔn)確率、精確度、召回率和F1分?jǐn)?shù)，其中RF 和Bagging 對恐怖襲擊組織的分類預(yù)測準(zhǔn)確率分別達(dá)到0.823 9 和0.831 6，并且在少數(shù)類樣本分段上對恐怖襲擊組織的精確度、召回率和F1分?jǐn)?shù)有明顯的提高。

圖3 各分類器在特征選擇和超參數(shù)優(yōu)化前后在不同樣本分段上的精確度、召回率和F1分?jǐn)?shù)對比Fig. 3 Comparison of accuracy，recall and F1-score of different classifiers on different sample segments before and after feature selection and hyperparameter optimization

10 折交叉驗(yàn)證法［14］和隨機(jī)過采樣［30］是緩解數(shù)據(jù)不平衡問題的常用方法。為了與本文方法進(jìn)行對比，針對數(shù)據(jù)預(yù)處理后的數(shù)據(jù)集，首先分別進(jìn)行10 折交叉驗(yàn)證和隨機(jī)過采樣（70%為訓(xùn)練集，30%為測試集），然后使用DT、RF、Bagging 和XGBoost 這四種主流分類器對恐怖襲擊組織進(jìn)行分類預(yù)測，并進(jìn)行超參數(shù)優(yōu)化。表4 為三種方法的準(zhǔn)確率對比，可以看出，在按本文方法進(jìn)行特征選擇和超參數(shù)優(yōu)化后，四種主流分類器的預(yù)測準(zhǔn)確率要高于使用10 折交叉驗(yàn)證法+超參數(shù)優(yōu)化，以及使用隨機(jī)過采樣+超參數(shù)優(yōu)化的方法。

圖4、5 分別為表4 中本文方法與使用10 折交叉驗(yàn)證和隨機(jī)過程采樣時針對不同樣本分段的精確度、召回率和F1分?jǐn)?shù)對比。從圖4、5 可知，在各個樣本分段上，特別是在少數(shù)類樣本分段上，本文方法的精確度、召回率和F1 分?jǐn)?shù)總體上要高于使用10 折交叉驗(yàn)證法和隨機(jī)過采樣，從而說明本文方法更能緩解GTD這種數(shù)據(jù)集的數(shù)據(jù)不平衡問題。

表4 各分類器在使用10折交叉驗(yàn)證法和隨機(jī)過采樣時的準(zhǔn)確率Tab. 4 Accuracies of different classifiers when using 10-fold validation and random oversampling

圖4 本文方法與使用10折交叉驗(yàn)證時針對不同樣本分段的精確度、召回率和F1分?jǐn)?shù)對比Fig.4 Comparison of accuracy，recall and F1-score of different sample segments between the proposed method and 10-fold validation method

3 結(jié)語

針對恐怖襲擊事件數(shù)據(jù)的樣本不平衡問題，本文提出了一種基于特征選擇和超參數(shù)優(yōu)化的恐怖襲擊組織預(yù)測方法。首先利用RF 在處理不平衡數(shù)據(jù)上的優(yōu)勢，通過RF 迭代來進(jìn)行后向特征選擇，每次迭代刪除一個重要性值最小的特征，直至驗(yàn)證錯誤率不能再降低為止；然后，使用DT、RF、Bagging 和XGBoost 這四種主流分類器對恐怖襲擊組織進(jìn)行分類預(yù)測，并利用貝葉斯優(yōu)化方法對這些分類器進(jìn)行超參數(shù)優(yōu)化；最后，評價(jià)這些分類器在多數(shù)類樣本和小數(shù)類樣本上的分類預(yù)測性能。通過實(shí)驗(yàn)和結(jié)果分析可知，該方法提高了對恐怖襲擊組織的分類預(yù)測性能，其中使用RF 和Bagging 時的分類預(yù)測性能最佳，特別是在少數(shù)類樣本上對恐怖襲擊組織的分類預(yù)測性能有明顯的提高，要優(yōu)于使用DT 和XGBoost 時的分類預(yù)測性能。

由于恐怖襲擊事件數(shù)據(jù)的少數(shù)類樣本占比太大，而且每個恐怖襲擊組織的樣本個數(shù)太少，使得本文方法在少數(shù)類樣本上的分類預(yù)測性能還是較低，未來還將進(jìn)一步探討如何提高在少數(shù)類樣本上的分類預(yù)測性能。

圖5 本文方法與使用隨機(jī)過采樣時針對不同樣本分段的精確度、召回率和F1分?jǐn)?shù)對比Fig.5 Comparison of accuracy，recall and F1-score of different sample segments between the proposed method and random oversampling method