17、元分类器的规则验证

元分类器的规则验证

在数据挖掘领域，元分类器的规则验证是提升分类性能和效率的关键环节。本文将深入探讨元分类器规则验证的相关技术和实验结果。

规则编码与处理

概念中的规则通过编号进行编码，由于每个规则的覆盖范围已在格中计算并存储，所以处理速度极快，且能迅速获取规则的结论。

样本作为测试集验证规则

验证过程的核心思想是：经过过滤的规则具有较高的置信系数，在处理新对象时应展现出良好的预测准确性。因此，在新测试集上评估这些规则时，可忽略不符合预期的规则。

具体操作如下：
1. 使用样本集 S 作为测试集。
2. 为规则集 Rt 中的每个规则计算新的错误率 ESr(S)。
3. 忽略错误率 ESr(S) 大于阈值 tS 的规则。
4. 生成的元分类器为规则集 RSt，公式如下：
[
R_{S_t} = { r_{ik} \in R_t | E_{S_{r_{ik}}}(S) \leq t_S }
]

实验设置

为评估元学习方法的性能，进行了一系列实验，包括：
1. 寻找生成元分类器 Rt 的最佳阈值 t。
2. 寻找生成 RGt 的最佳参数对 (t, Costfunction)。
3. 寻找生成 RSt 的最佳参数对 (t, tS)。
4. 比较 R、Rt、RGt 和 RSt 与 R′ 的预测准确率。
5. 比较 R、Rt、RGt 和 RSt 与 R′ 的规则集大小。

实验使用了来自 UCI 存储库的十个数据集，包括 adult、chess end-game 等。为