随机森林算法

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
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wenku.baidu.comHt
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
x C1 c1(x) C2
C*
c*(x) = maxcntt ct(x)
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。
基于随机森林算法的故障诊断
混淆表CM
谢 谢！
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
投票过程 随机森林采用Bagging方法生成多个决策树分类器。
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.
c2(x) train
… …
CT
cT(x) train
train S1 S2
ST
投票过程
随机森林投票算法公式：
投票过程
C1
新数据 样本 组合得票 类预测
数据
C2
· · ·
Ct
基于随机森林算法的故障诊断
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。
训练集 导出分类法 评估准确性
数据
测试集
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