基于两阶段正样本-无标签学习框架的运营住房潮湿与霉菌风险优先级排序研究

《Scientific Reports》：Positive-unlabelled learning for recorded damp and mould risk in UK housing

　　

摘要

运营住房记录可识别潮湿与霉菌投诉及维修情况，但未记录事件的住房并未经验证为阴性，而是保持无标签状态。我们利用匿名化的英国住房行政数据，将已记录的潮湿与霉菌风险优先级排序形式化为一个正样本-无标签（Positive-Unlabelled, PU）学习问题。数据集包含65,214套住房，由291个物业级别和住户级别的快照特征描述，其中8,580条为正样本记录，56,634条为无标签案例。我们开发并评估了一种两阶段样本选择PU框架：第一阶段通过折外XGBoost评分器识别保守的可靠负样本；第二阶段则使用权重分类器组合正样本、可靠负样本以及弱权重的残余无标签案例。第一阶段评分器在折外开发集上的PU-AUC为0.7547。所选第二阶段XGBoost模型在留出集上取得PU-AUC 0.7760、平均精度0.2981，并将Recall@20%从44.0%提升至47.0%，相较于仅使用第一阶段评分器多检索了51条已记录的正样本。有监督XGBoost基线模型取得了相似的标签性能表现，而第一阶段学习器消融实验表明该框架支持替代的可靠负样本选择器。分组SHAP分析将拟合得分与供暖及燃料系统、住户与占用情境、评估状态、住房特征及能效表现联系起来。有针对性的预测变量排除使PU-AUC降至0.7648，Recall@20%降至43.6%，在不解决这些输入的时间可得性的前提下，量化了模型对选定输入变量的依赖程度。这些发现为住房领域基于PU的已记录风险优先级排序提供了实证基础，结合了对初始评分器的改进排名、对无标签训练数据的显式控制以及通过住房领域特征分组的解释性分析。