基于C-SVC模型的汽車評估

董婷

(榆林學(xué)院 信息工程學(xué)院,榆林 719000)

0 引言

隨著經(jīng)濟(jì)的發(fā)展，我國汽車行業(yè)發(fā)展越來越快，人們對汽車的需求越來越大，未來幾乎每個家庭都將至少擁有一輛汽車。但是，大多數(shù)人對于汽車的認(rèn)知比較少，僅僅通過汽車價格來判定一輛汽車的好壞，很明顯這是不足的。目前，在我國還沒有一套汽車評估系統(tǒng)。

支持向量機(jī)方法(Support Vector Machine，SVM)是Vapnik在上個世紀(jì)90年代提出的基于統(tǒng)計學(xué)習(xí)理論框架的一種全新的機(jī)器學(xué)習(xí)方法，它避免了人工神經(jīng)網(wǎng)等方法的網(wǎng)絡(luò)結(jié)構(gòu)難于確定、過學(xué)習(xí)和欠學(xué)習(xí)以及局部極小等問題[1]。本文首次將支持向量機(jī)方法中的支持向量分類模型(C-SVM for Classification，C-SVC)應(yīng)用到汽車評估當(dāng)中，具有廣泛的現(xiàn)實意義，并以UCI提供的數(shù)據(jù)作為實例，從評價系統(tǒng)的計算中得到汽車是否值得購買，為人們購買汽車時提供參考意見[2]。

1 汽車評估系統(tǒng)的建立

1.1 屬性項和標(biāo)簽項的確定

選定的訓(xùn)練集和測試集的屬性項和標(biāo)簽項是整個模型的核心所在，只有找出影響人們購買汽車的真正因素，所建立的汽車評估系統(tǒng)才具有現(xiàn)實意義[3]。根據(jù)UCI提供的數(shù)據(jù)，在UCI中，共有1728條該類數(shù)據(jù)，其中選取前864條數(shù)據(jù)作。

1.2 屬性項和標(biāo)簽項的確定

選定的訓(xùn)練集和測試集的屬性項和標(biāo)簽項是整個模型的核心所在，只有找出影響人們購買汽車的真正因素，所建立的汽車評估系統(tǒng)才具有現(xiàn)實意義。根據(jù)UCI提供的數(shù)據(jù)，在UCI中，共有1728條該類數(shù)據(jù)，其中選取前864條數(shù)據(jù)作為訓(xùn)練集，采用交叉驗證選取最佳懲罰參數(shù)(c)和核函數(shù)參數(shù)(g)。后864條數(shù)據(jù)作為實例，對汽車的可接受程度進(jìn)行預(yù)測，最后評估結(jié)果與實際基本一致，這表明所建立的汽車評估系統(tǒng)可以位汽車是否值得購買提供參考意見。確定的屬性項如表1所示。

標(biāo)簽項,如表2所示。

1.3 建立汽車評估模型

本系統(tǒng)的可接受程度共有4類，每一類的樣本均為6維向量。由于評估結(jié)果涉及多類狀態(tài)識別，因此選用基于一對余類算法的多類SVM狀態(tài)評估模型[4]。

一類對余類法(One versus rest，OVR)是最早出現(xiàn)也是目前應(yīng)用最為廣泛的方法之一，其步驟是構(gòu)造k個兩類分類機(jī)(設(shè)共有k個類別)，其中第i個分類機(jī)把第i類同余下的各類劃分開，訓(xùn)練時第i個分類機(jī)取訓(xùn)練集中第i類為正類，其余類別為負(fù)類進(jìn)行訓(xùn)練[5]。

對于本系統(tǒng)，分4種情況進(jìn)行訓(xùn)練及預(yù)測：

1)設(shè)可接受程度unacc為正類(1)，其余三類為負(fù)類(-1)，進(jìn)行訓(xùn)練、預(yù)測

表1 汽車屬性及賦值

表2 可接受程度指標(biāo)分類

2)設(shè)可接受程度acc為正類(1)，其余三類為負(fù)類(-1)，進(jìn)行訓(xùn)練、預(yù)測

3)設(shè)可接受程度good為正類(1)，其余三類為負(fù)類(-1)，進(jìn)行訓(xùn)練、預(yù)測

4)設(shè)可接受程度vgood為正類(1)，其余三類為負(fù)類(-1)，進(jìn)行訓(xùn)練、預(yù)測

1.3 評估結(jié)果及分析

考慮到數(shù)據(jù)過大，這里我們從每個狀態(tài)中隨機(jī)選取10個預(yù)測結(jié)果，數(shù)據(jù)分布如表3、表4、表5、表6所示：

第一種情況中，真正樣本個數(shù)：TP為638個，真負(fù)樣本個數(shù)：TN為89個：，假正樣本個數(shù)：FP為81個，假負(fù)樣本個數(shù)：FN為29個。所以敏感度為TP/(TP+FN)=95.65%，特異性為TN/(TN+FP)=0.523 5，正確率為(TP+TN)/(TP+TN+FP+FN)=86.857 8%。

第二種情況中，真正樣本個數(shù)：TP為112個，真負(fù)樣本個數(shù)：TN為639個：，假正樣本個數(shù)：FP為27個，假負(fù)樣本個數(shù)：FN為55個。所以敏感度為TP/(TP+FN)=67.07%，特異性為TN/(TN+FP)=0.959 5，正確率為(TP+TN)/(TP+TN+FP+FN)=90.156 1%。

第三種情況中，真正樣本個數(shù)：TP為0個，真負(fù)樣本個數(shù)：TN為833個：，假正樣本個數(shù)：FP為0個，假負(fù)樣本個數(shù)：FN為0個。所以t特異性為TN/(TN+FP)=1，正確率為(TP+TN)/(TP+TN+FP+FN)=100%。

第四種情況中，真正樣本個數(shù)：TP為0個，真負(fù)樣本個數(shù)：TN為833個：，假正樣本個數(shù)：FP為0個，假負(fù)樣本個數(shù)：FN為0個。所以特異性為TN/(TN+FP)=1，正確率為(TP+TN)/(TP+TN+FP+FN)=100%。

表3 unacc為正類時，預(yù)測結(jié)果及正確情況(g為0.5，c為32)

(真正樣本TP：被判定為正樣本，事實上也是正樣本；真負(fù)樣本TN：被判定為負(fù)樣本，事實上也是負(fù)樣本；假正樣本FP：被判定為正樣本，事實上是負(fù)樣本；假負(fù)樣本FN：被判定為負(fù)樣本，事實上是正樣本)

由以上結(jié)果可知，在最佳參數(shù)下，基于C-SVC的評估方法的準(zhǔn)確率較高，在10個預(yù)測中基本都與實際符合，汽車可接受性評估的準(zhǔn)確率非常高。

表4 acc為正類時，預(yù)測結(jié)果及正確情況(g為0.5，c為8)

表5 good為正類時，預(yù)測結(jié)果及正確情況(g為0.031 25，c為8 192)

表6 vgood為正類時，預(yù)測結(jié)果及正確情況(g為0.5，c為8)

2 總結(jié)

本文基于C-SVC所建立的汽車評估系統(tǒng)，利用UCI提供的數(shù)據(jù)作為實驗數(shù)據(jù)，選取合理的輸出向量，最后預(yù)測的結(jié)果與實際值基本上一致，表明該評估系統(tǒng)的可用性和有效性[6]。但是，由于本次實驗的數(shù)據(jù)量較小，在實際應(yīng)用中，數(shù)據(jù)量較大，因此今后將進(jìn)一步通過mcc系數(shù)和roc曲線來補(bǔ)充和修改現(xiàn)有的系統(tǒng)模型[7]。

[1] 奉國和. SVM分類核函數(shù)及參數(shù)選擇比較[J].計算機(jī)工程與應(yīng)用, 2011(3):58-59.

[2] 鄧乃揚(yáng)，田英杰. 數(shù)據(jù)挖掘中的新方法——支持向量機(jī)[M].北京：科學(xué)出版社，2004: 202-354.

[3] 瓦普尼克.統(tǒng)計學(xué)習(xí)理論[M]. 北京：電子工業(yè)出版社，2004: 192-447.

[4] 杜曉東，李岐強(qiáng). 支持向量機(jī)及其算法研究[J]. 信息技術(shù)與信息化, 2005(3): 123-124.

[5] 魏丹. 支持向量機(jī)多分類預(yù)測技術(shù)研究[D]. 西安:西安科技大學(xué), 2008:98-99.

[6] 沃爾斯(Craig Walls)．Spring實戰(zhàn)[M]．北京：人民郵電出版社，2013:102-117.

[7] 吐爾遜-達(dá)吾提．新疆師范大學(xué)就業(yè)管理系統(tǒng)的設(shè)計與實現(xiàn)[J]．吉林：吉林大學(xué)，2014:1-10.