在信息技術(shù)快速發(fā)展的背景下,龐大的數(shù)據(jù)經(jīng)常會(huì)給數(shù)據(jù)的存儲(chǔ)和計(jì)算帶來(lái)巨大負(fù)擔(dān)。為提高審計(jì)工作的效率和質(zhì)量,結(jié)合特征選擇算法和大數(shù)據(jù)處理技術(shù)進(jìn)行審計(jì)數(shù)據(jù)平臺(tái)的開(kāi)發(fā)。通過(guò)使用二階段特征選擇算法模型,在快速相關(guān)濾波特征選擇算法(FCBF)的基礎(chǔ)上進(jìn)行改進(jìn),使用最大互信息系數(shù)衡量特征,引入計(jì)算弱相關(guān)及冗余性的評(píng)價(jià)準(zhǔn)則。系統(tǒng)面向公司審計(jì)數(shù)據(jù)集,通過(guò)特征選擇后對(duì)樣本的創(chuàng)新水平進(jìn)行分析,實(shí)現(xiàn)智能分析的效果。

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

圖1FCBF算法的特征分類(lèi)定義

特征冗余性和相關(guān)性的不同之處在于,相關(guān)性衡量特征和類(lèi)別之間線性或非線性的程度;冗余性衡量特征子集內(nèi)部的關(guān)系,相比于相關(guān)性的計(jì)算,冗余性的復(fù)雜性更加高。FCBF算法將特征主要分為4類(lèi):無(wú)關(guān)特征、弱相關(guān)且冗余特征、弱相關(guān)非冗余特征和強(qiáng)相關(guān)特征。按照FCBF算法的定義,去除冗余特征后的....

圖3通過(guò)MIC和隨機(jī)森林重要度特征選擇的分類(lèi)準(zhǔn)確率比較

通過(guò)將基于隨機(jī)森林的特征重要度評(píng)價(jià)準(zhǔn)則和基于最大互信息系數(shù)算法所選擇的特征進(jìn)行分類(lèi),分析比較其分類(lèi)效果,選擇效果提升更明顯的方法作為第一階段的特征選擇算法。分類(lèi)效果的評(píng)估方法為:使用隨機(jī)森林作為分類(lèi)器并結(jié)合10折交叉驗(yàn)證的方法計(jì)算特征分類(lèi)結(jié)果的準(zhǔn)確率。如圖3所示,以公司審計(jì)數(shù)據(jù)為....

圖4基于MIC和隨機(jī)森林的二階段特征選擇算法流程

將第一階段過(guò)濾式特征選擇和第二階段封裝式特征選擇算法的弱相關(guān)和冗余特征去除過(guò)程進(jìn)行綜合,在輸入原數(shù)據(jù)集后,通過(guò)Filter特征預(yù)選擇階段得到候選特征子集,根據(jù)Wrapper方法提高分類(lèi)準(zhǔn)確率并輸出最終特征子集(見(jiàn)圖4)。3面向高新企業(yè)審計(jì)數(shù)據(jù)的分析和驗(yàn)證

圖5高新企業(yè)審計(jì)數(shù)據(jù)集基于RF的第二階段特征選擇過(guò)程

基于MIC和近似馬爾可夫毯的第二階段特征選擇算法在高新企業(yè)審計(jì)數(shù)據(jù)集和Musk數(shù)據(jù)集上特征選擇的過(guò)程分別如圖7和圖8所示,圖中橫軸表示第二階段的弱相關(guān)冗余性閾值所分別對(duì)應(yīng)的特征數(shù),豎軸表示對(duì)應(yīng)的分類(lèi)效果。根據(jù)預(yù)選擇個(gè)數(shù)的公式,高新企業(yè)審計(jì)數(shù)據(jù)集的特征數(shù)約為46個(gè),Musk數(shù)據(jù)的特....

本文編號(hào)：3894674