基于AUC的SVM多類(lèi)分類(lèi)算法的優(yōu)化.pdf

1、支持向量機(jī)(Support Vector Machine，SVM)算法作為分類(lèi)學(xué)習(xí)領(lǐng)域中一個(gè)分類(lèi)正確率(Accuracy)較高的算法已經(jīng)得到了廣泛的應(yīng)用，但其對(duì)于多類(lèi)別代價(jià)敏感性數(shù)據(jù)的分類(lèi)方法仍然沒(méi)有一個(gè)統(tǒng)一的模式，并且以正確率作為評(píng)價(jià)標(biāo)準(zhǔn)并不能保證總體誤分類(lèi)代價(jià)最小。AUC(Area Under the ROC Curve，ROC曲線下面積)評(píng)價(jià)標(biāo)準(zhǔn)可以衡量數(shù)據(jù)類(lèi)別在任何分布或任何錯(cuò)誤代價(jià)下分類(lèi)算法的總體性能并且已經(jīng)廣泛應(yīng)用于機(jī)器學(xué)習(xí)

2、中對(duì)多類(lèi)分類(lèi)算法進(jìn)行評(píng)價(jià)。針對(duì)此現(xiàn)狀，本文在詳細(xì)分析AUC評(píng)價(jià)標(biāo)準(zhǔn)和SVM多類(lèi)分類(lèi)方法后，通過(guò)兩者的結(jié)合來(lái)對(duì)多類(lèi)別數(shù)據(jù)進(jìn)行分類(lèi)，并利用遺傳算法(Genetic Algorithm，GA)對(duì)其分類(lèi)結(jié)果AUC進(jìn)行優(yōu)化，從而形成了一個(gè)新的SVM多類(lèi)分類(lèi)方法——基于AUC的遺傳算法優(yōu)化SVM多類(lèi)分類(lèi)方法(GA Optimize Multi-class SVM Based on AUC，GOSMAUC)。GOSMAUC既解決了AUC評(píng)價(jià)SVM多類(lèi)

3、分類(lèi)結(jié)果的問(wèn)題，又能夠?qū)ζ浣Y(jié)果進(jìn)行優(yōu)化，該方法對(duì)于SVM在多類(lèi)分類(lèi)學(xué)習(xí)領(lǐng)域提供了一個(gè)更為有效的解決多類(lèi)分類(lèi)問(wèn)題的方法。 本文在LIBSVM平臺(tái)上通過(guò)改造實(shí)現(xiàn)了GOSMAUC算法并在UCI多類(lèi)別數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證。其結(jié)果表明GOSMAUC可以有效的評(píng)價(jià)SVM多類(lèi)分類(lèi)方法的分類(lèi)性能，并且相對(duì)其它相關(guān)算法在AUC評(píng)價(jià)結(jié)果上有了較大的提高。該方法具有計(jì)算復(fù)雜度低、可理解性強(qiáng)、與多類(lèi)別數(shù)據(jù)分布無(wú)關(guān)等優(yōu)點(diǎn)，可以用來(lái)解決多類(lèi)別分類(lèi)問(wèn)題。