曾群芳 梁元 易朝勇

作者簡介：曾群芳（1997年生-），女，碩士研究生，應(yīng)用統(tǒng)計專業(yè)。

通訊作者：梁元（1976-），男，博士，研究生導(dǎo)師，主要從事數(shù)學(xué)地質(zhì)和機器學(xué)習(xí)。

摘?要： 機器學(xué)習(xí)技術(shù)在很多領(lǐng)域得到廣泛應(yīng)用，然而，要得到良好的機器學(xué)習(xí)模型，必須要有高度專業(yè)化的數(shù)據(jù)科學(xué)家和領(lǐng)域?qū)＜覅⑴c，才有可能構(gòu)建。自動化機器學(xué)習(xí)技術(shù)的出現(xiàn)，解決了領(lǐng)域?qū)＜夷軌蛟跊]有廣泛的統(tǒng)計和機器學(xué)習(xí)知識的情況下，也能夠自動構(gòu)建機器學(xué)習(xí)的模型，大大方便了領(lǐng)域?qū)＜沂褂脵C器學(xué)習(xí)技術(shù)的能力。本文就是將自動化機器學(xué)習(xí)方法運用到地質(zhì)災(zāi)害損失評價中，通過使用scikit-learn中的Grid Search來進(jìn)行機器學(xué)習(xí)算法的超參數(shù)的最佳網(wǎng)格搜索，得到K-means算法的超參數(shù)最優(yōu)配置，然后建立四川省各市州自然災(zāi)害區(qū)域評價的指標(biāo)分類和評價指標(biāo)體系，對地質(zhì)災(zāi)害損失程度進(jìn)行分類。該模型的建議，有助于機器學(xué)習(xí)、尤其是自動機器學(xué)習(xí)的推廣應(yīng)用，對研究地質(zhì)災(zāi)害對人口、經(jīng)濟(jì)等方面造成的損失，探討自動化機器學(xué)習(xí)技術(shù)在地質(zhì)災(zāi)害損失程度具有一定的應(yīng)用價值。

關(guān)鍵詞： 地質(zhì)災(zāi)害損失;自動化機器學(xué)習(xí);自然災(zāi)害;K-均值聚類

【中圖分類號】X43?【文獻(xiàn)標(biāo)識碼】A?【文章編號】1674-3733（2020）03-0164-03

近年來，地質(zhì)災(zāi)害頻頻發(fā)生，每年接近3萬起的地質(zhì)災(zāi)害，其中不乏有特大、重大型災(zāi)害[1]。人員傷亡每年達(dá)數(shù)千人，經(jīng)濟(jì)損失高達(dá)百億元，不管是對人類還是社會經(jīng)濟(jì)發(fā)展都有巨大的危害和損失。目前對地質(zhì)災(zāi)害損失的評價僅限于利用損失度量指標(biāo)或模糊綜合評價方法進(jìn)行評價，地質(zhì)災(zāi)害損失評價與機器學(xué)習(xí)算法結(jié)合起來的研究還相對較少。因此，將機器學(xué)習(xí)算法應(yīng)用在地質(zhì)災(zāi)害損失評價中具有重要意義，能夠及時在地質(zhì)災(zāi)害發(fā)生后第一時間確定災(zāi)害損失程度，及時調(diào)配救援資源。

本文首先介紹了K-means聚類算法的結(jié)構(gòu)及其原理;接著介紹了AutoML中的Grid Search對K-means的超參數(shù)優(yōu)化的問題;另外基于四川省各市州地質(zhì)災(zāi)害隱患點的數(shù)據(jù)，采用K-means聚類算法并通過Grid Search確定最優(yōu)的分類數(shù)，對地質(zhì)災(zāi)害損失程度進(jìn)行了分類;最終對分類的結(jié)果進(jìn)行分析，給出相關(guān)建議或措施。

1?基于網(wǎng)格搜索的K-Means算法

1.1?K-Means算法基本原理。K-Means算法，又稱K-均值聚類算法，使用歐幾里得距離測度，分析人員將N個對象劃分為K個不同類別，讓每個類別對象的均值作為質(zhì)心。然后，將前一步形成的聚類打散計算個體到質(zhì)心的距離，并將第j個個體劃入距離最近的聚類來形成新的聚類。持續(xù)該過程，直到每個類別的質(zhì)心不再變化為止，此時的目標(biāo)函數(shù)收斂到最優(yōu)[2]。該算法最終目的是使聚類在相似的數(shù)據(jù)盡可能聚集在一起，不相似的數(shù)據(jù)盡可能分離。不妨假設(shè)給定樣本集D={x1，x2，..，xm}，K-Means（K-均值）算法針對聚類所得簇劃分C={C1，C2，..，Ck}定義如下的目標(biāo)函數(shù)：

L=∑ki=1∑x∈Ci|x-μi|2（其中μi為質(zhì)心）（1）

K-means模型的目的是找尋最佳Ci，使損失函數(shù)最小，之后就可以對聚類中心{μi}直接計算了。由此可見，它既是聚類的最終結(jié)果，也是需要估算的模型參數(shù)。

1.2?K-Means算法框架

給定大小為n的樣本集D={x1，x2，..，xm}，將樣本聚類成K個類別。具體實現(xiàn)過程如下[3]：

1）隨機選取K個初試聚類中心μ1，μ2，..，μk∈Rn

2）重復(fù)以下步驟直至均值向量不再變化[4] {

第一步，計算樣本xj（1SymbolcB@

jSymbolcB@

m）與各均值向量μi（1SymbolcB@

iSymbolcB@

k）的距離：dji=||xj-μi||2;第二步，根據(jù)距離最近的均值向量確定xj的簇標(biāo)記：λj=argmini∈{1，2，..，k}dji;

第三步，將樣本xj劃入相應(yīng)的簇：Cλj=Cλj∪{xj};

第四步，計算新均值向量：μ'i=1Ci∑x∈Cix;

第五步，判斷新均值向量和當(dāng)前均值向量是否一樣，若不一樣則繼續(xù)更新均值向量。

1.3?網(wǎng)格搜索調(diào)參

自動化機器學(xué)習(xí)的任務(wù)是選擇算法、超參調(diào)整、迭代建模以及模型評價。其中網(wǎng)格搜索（Grid Search），作為一種超參數(shù)調(diào)整的手段。其原理是在所有候選的參數(shù)選擇中，通過循環(huán)遍歷，嘗試每一種可能參數(shù)，表現(xiàn)最好的參數(shù)就是最終的結(jié)果。在應(yīng)用中，K-Means聚類算法能否實現(xiàn)或性能優(yōu)劣取決于參數(shù)的選擇，網(wǎng)格搜索取代原有的手動調(diào)參，自動實現(xiàn)在數(shù)組中尋找最大值，若參數(shù)a有3種可能，參數(shù)b有4種可能，把所有可能性列出來，可以表示成一個3*4的表格，其中每個cell就是一個網(wǎng)格，循環(huán)過程就像是在每個網(wǎng)格里遍歷、搜索。通過網(wǎng)格搜索尋找最優(yōu)參數(shù)可以高效實現(xiàn)搜索參數(shù)的流程，也減少了網(wǎng)絡(luò)中的參數(shù)和運算次數(shù)，因此可以防止過擬合。

在K-Means聚類算法應(yīng)用中，最終分類的簇數(shù)K是網(wǎng)格搜索需要優(yōu)化的參數(shù)，K的選取直接會影響模型的性能。通過網(wǎng)格搜索找到合適的K使得目標(biāo)函數(shù)（L=∑ki=1∑x∈Ci|x-μi|2（其中μi為質(zhì)心））收斂到最小。隨著K的增大，目標(biāo)函數(shù)值會越來越小，而且也會下降得越來越慢，但在一般情況下，我們只用找到目標(biāo)函數(shù)下降一定的穩(wěn)定程度對應(yīng)的K值就可以了。

2?地質(zhì)災(zāi)害損失程度分類流程

本文采用2010年四川省各市州地質(zhì)災(zāi)害隱患點數(shù)據(jù)基于Python語言實現(xiàn)整個對地質(zhì)災(zāi)害損失程度分類的流程。因此對數(shù)據(jù)預(yù)處理、模型建立、自動化調(diào)參這一流程進(jìn)行說明，如圖2所示：