基于随机森林优化的自组织神经网络算法

摘要：

针对基于降维的神经网络分类器预测模型在分析过程中存在特征丢失,并导致精度下降的问题,提出一种基于随机森林算法优化的多层感知器(MLP)回归预测模型.该优化模型通过在MLP回归模型网络的全连接层和逻辑回归层之间增加一个优化机制,利用随机森林算法对隐藏层状态的优化实现改进,从而解决了降维过程中神经网络丢失数据特征的问题.在借贷客户信息数据集上的实验结果表明,该模型在保证主要特征的同时大幅度提升了预测准确率,证实该模型在特征工程中具有较高的实用性.

关键词：神经网络分类器、MLP回归预测模型、特征丢失、随机森林算法

所属期刊栏目：59

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金批准号:61872164

在线出版日期：2021-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：351-358