基于隨機森林的分類器在缺材風(fēng)險管理中的應(yīng)用

任宇軒

摘要：飛機缺材是航材保障部門亟需解決的問題，基于缺材風(fēng)險現(xiàn)狀，提出了一種基于隨機森林的分類器，其由多個決策樹組成，根據(jù)學(xué)習(xí)結(jié)果在之后的學(xué)習(xí)中選擇區(qū)分度更高的決策樹。最后通過實例驗證表明該方法具有一定的可信度。

關(guān)鍵字：隨機森林 缺材停飛 風(fēng)險管理

1 引言

航材保障工作是為飛機提供維修、更換所需器材，而缺材停飛是指飛機因缺航材導(dǎo)致無法執(zhí)行飛行任務(wù)的情況，是航材部門最需要避免的問題。在對缺材停飛進(jìn)行風(fēng)險管理中，合理的利用保障數(shù)據(jù)進(jìn)行分析十分重要。而缺材停飛屬于小概率事件，對于保障數(shù)據(jù)而言缺材數(shù)據(jù)樣本規(guī)模極小，對其進(jìn)行分析屬于處理不平衡數(shù)據(jù)樣本集，容易發(fā)生樣本集內(nèi)正樣本與負(fù)樣本比例極不平衡，對這類樣本集進(jìn)行數(shù)據(jù)分析會導(dǎo)致結(jié)果出現(xiàn)偏差，算法會使得分類結(jié)果偏向于樣本容量大的一類，如何解決不平衡樣本集對數(shù)據(jù)分析結(jié)果帶來的影響是當(dāng)前的熱點研究方向。

2 基于隨機森林的分類器設(shè)計

代價敏感的隨機森林可以較好的處理不平衡數(shù)據(jù)同時能夠避開過擬合問題，但是代價函數(shù)構(gòu)建的不準(zhǔn)確，則達(dá)不到處理不平衡數(shù)據(jù)的目的。傳統(tǒng)代價函數(shù)的構(gòu)造沒有考慮數(shù)據(jù)集的實際分布，且采用歐式距離計算樣本距離，而特征空間中所有特征的重要性不同，并且同一特征對不同類別的重要性也不同，僅僅計算歐式距離對重要特征不公平，構(gòu)造的代價函數(shù)不準(zhǔn)確，導(dǎo)致分類器的整體性能較差。由于隨機森林在選擇訓(xùn)練樣本、特征子空間過程中引入了隨機性，導(dǎo)致了基分類器在處理不平衡數(shù)據(jù)時的性能差異，而傳統(tǒng)隨機森林算法在最終決策階段采取平等投票，平等投票會影響分類器的整體性能。

本文根據(jù)樣本實際分布構(gòu)造代價因子，將權(quán)重距離引入代價函數(shù)的計算過程。詳細(xì)步驟如下：

一是分別計算每個特征列的平均值作為兩類數(shù)據(jù)的數(shù)據(jù)中心。

二是計算各類別中心到整個數(shù)據(jù)集中心的權(quán)重距離。在數(shù)據(jù)集中，重要特征相對較少，計算類別中心到整個數(shù)據(jù)集中心的歐式距離構(gòu)造代價對重要特征不公平，本算法引入權(quán)重距離，利用信息增益衡量每個屬性在多數(shù)類與少數(shù)類中的重要性。

第三步，設(shè)多數(shù)類 ，少數(shù)類 ，其中樣本數(shù)分別為 ，能夠定義 系數(shù)如下：

3 實例驗證

利用某保障單位數(shù)據(jù)對隨機森林分類器，代價敏感隨機森林分類器與決策樹算法進(jìn)行比較。將代價敏感的隨機森林算法與普通隨機森林算法結(jié)果相比較，0表示未發(fā)生缺材，1表示發(fā)生缺材。下表中1/0表示實際為1算法分類結(jié)果為0，以此類推，實驗結(jié)果如下表。

4 結(jié)語

類別分布不平衡的問題給現(xiàn)有算法的分類帶來了困難，這是由于現(xiàn)有算法基于類別平衡假設(shè)，導(dǎo)致少數(shù)類被正確分類的比重較低?；诖鷥r敏感的隨機森林算法對于不平衡數(shù)據(jù)分析有較好的效果，在缺材風(fēng)險管理中具有一定的現(xiàn)實意義。

參考文獻(xiàn)

[1]高聰. 基于隨機森林的不平衡大數(shù)據(jù)分類算法研究[D].東北電力大學(xué)，2018.

[2]曹鵬. 不均衡數(shù)據(jù)分類方法的研究[D].東北大學(xué)，2014.

[3]楊杰明，高聰，曲朝陽，闞中鋒，高冶，常成.基于代價敏感的隨機森林不平衡數(shù)據(jù)分類算法[J].科學(xué)技術(shù)與工程，2018，18（06）：285-290.