论文部分内容阅读
针对现有ATM机故障识别机制存在的诊断速度慢及多种故障场景下的诊断精确度低的问题,提出了一种基于CART决策树的随机森林方法完成对ATM机的故障诊断。该方法对ATM机交易数据集进行交易特征提取,针对不同故障情景将数据分为正常-异常二分类,通过Bootstrap重抽样,建立多棵CART决策树,形成随机森林模型,实现ATM机故障的快速诊断。且随着故障数据的增加,其自动诊断模型可以自动更新完善。通过ATM机实际故障数据,验证了该方法的有效性。同时,通过对随机森林中的决策树数目的对比分析,得出了该方法模型的