计算机科学与探索

作者：杨贵军，于洋

单位：天津财经大学 统计学院，天津 300222

关键词：Mallow&rsquo,s Cp准则,Logistic模型,模型选择,粗糙集,泛化能力

粗糙集选择是粗糙集实证研究中的关键步骤。目前常用的粗糙集择优标准是误判率。考虑到误判率准则未考察粗糙集的复杂度，存在过拟合风险，在测试集中误判率小的粗糙集不一定具有最强的泛化能力，引入Mallow’s Cp准则作为一种新粗糙集选择标准。粗糙集的Mallow’s Cp选择算法通过Logistic模型将非线性的粗糙集分类规则表达为线性形式，Logistic模型的Cp值作为粗糙集的Cp值，根据Cp值进行粗糙集择优。实际应用显示，粗糙集的Mallow’s Cp选择算法能够筛选出泛化能力强的粗糙集，相较误判率准则选出泛化能力强的粗糙集的频率更高。特别当多个粗糙集的误判率差异小时，新算法更可能选出泛化能力强的粗糙集。粗糙集的Mallow’s Cp选择算法兼顾了粗糙规则的分类准确性与复杂度，能够更好地选择泛化能力强的粗糙集。

来源：2019年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第3期