随机森林算法.ppt

基于随机森林算法的电力电子电路故障诊断 目录 随机森林算法 决策树的生长 投票过程 基于随机森林算法的故障诊断 随机森林算法 简单地说，随机森林就是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。 随机森林算法主要包括决策树的生长和投票过程 决策树的生长 生长步骤： 决策树的生长 3、分类树为了达到低偏差和高差异而要充分生长，使每个节点的不纯度达到最小，不进行通常的剪枝操作。 投票过程 基本思想: 给定一个弱学习算法,和一个训练集; 单个弱学习算法准确率不高; 将该学习算法使用多次,得出预测函数序列,进行投票; 最后结果准确率将得到提高. 投票过程 随机森林采用Bagging方法生成多个决策树分类器。 投票过程 算法: For t = 1, 2, …, T Do 从数据集S中取样（放回选样） 训练得到模型Ht 对未知样本X分类时,每个模型Ht都得出一个分类，得票最高的即为未知样本X的分类 也可通过得票的平均值用于连续值的预测 投票过程 … C1 C2 CT train train train … x c1(x) c2(x) cT(x) C* c*(x) = maxcntt ct(x) S1 S2 ST 投票过程 随机森林投票算法公式： 数据 C1 C2 Ct 组合得票 新数据 样本 类预测 ··· 投票过程 基于随机森林算法的故障诊断 数据 训练集 测试集 导出分类法 评估准确性 故障分类决策阶段的实现步骤： 装入随机森林学习阶段的有关数据; 输入未知故障样本，由各个决策树分别判别这个未知故障数据所属的类别; 采用多数投票法，决定输入未知故障样本的所有故障类型。 基于随机森林算法的故障诊断 以12脉波可控整流电路为例，并假设变流器发生故障主要是晶闸管开路。共有12个晶闸管，故障形式可分为11类、115种状态。 基于随机森林算法的故障诊断 故障分类表 基于随机森林算法的故障诊断 对每种状态电路的输出采样30个周期的信息，前10个周期作为训练样本数据，后20个周期数据作为测试。 诊断过程： 获取1150个样本（10周期，115种状态）相应的故障信息特征向量 建立随机森林算法的决策树和分类决策器 按照故障分类决策步骤将2300个（20周期，115种状态)在10%噪声情况下测试的样本输入到随机森林分类器的决策树中。 进行投票，做出故障状态的判断，生成分类混淆表CM 基于随机森林算法的故障诊断 混淆表CM 谢 谢！ * * * *