申请/专利权人：广东知业科技有限公司

申请日：2024-03-13

公开（公告）日：2024-04-16

公开（公告）号：CN117892229A

主分类号：G06F18/243

分类号：G06F18/243;G06F18/27;G06N20/20

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于机理模型的随机森林训练方法，涉及机器学习技术领域。该方法包括：根据机理模型配置的数据项目得到原始样本集，并基于原始样本集生成训练集；对训练集进行特征提取并生成特征空间；从特征空间中选择特征构成特征集；根据特征集生成多个相互独立的决策树；对每个决策树进行模型组合生成决策树模型，对决策树模型进行分类与回归；从原始样本集中选择样本数据构成验证集；利用验证集对决策树模型进行验证并获取模型数据；通过模型数据自动调整机理模型的配置参数。本发明通过随机森林训练算法提升了工业设备预测机理模型的准确率和模型训练的效率；通过随机森林算法加快机理模型的训练速度，降低企业的非计划性停机。

主权项：1.一种基于机理模型的随机森林训练方法，其特征在于：包括如下步骤：步骤一，根据机理模型配置的数据项目得到原始样本集，并基于所述原始样本集生成训练集；步骤二，对所述训练集进行特征提取并生成特征空间；从所述特征空间中选择特征构成特征集；根据所述特征集生成多个相互独立的决策树；步骤三，对每个决策树进行模型组合生成决策树模型，对所述决策树模型进行分类与回归；步骤四，从所述原始样本集中选择样本数据构成验证集；利用所述验证集对所述决策树模型进行验证并获取模型数据；步骤五，通过所述模型数据自动调整机理模型的配置参数；所述配置参数包括：阈值、区间、权重以及与或非；其中，所述原始样本集包括N个样例；基于所述原始样本集生成训练集，具体为：每一轮从所述原始样本集中通过有放回抽样的方式抽取N个样例。

全文数据：

权利要求：

百度查询： 广东知业科技有限公司 一种基于机理模型的随机森林训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD