计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
28期
169-172,175
,共5页
不平衡数据集%集成学习%AdaBoost%重采样
不平衡數據集%集成學習%AdaBoost%重採樣
불평형수거집%집성학습%AdaBoost%중채양
提出了一种新的适用于不平衡数据集的Adaboost算法(ILAdaboost),该算法利用每一轮学习到的基分类器对原始数据集进行测试评估,并根据评估结果将原始数据集分成四个子集,然后在四个子集中重新采样形成平衡的数据集供下一轮基分类器学习,由于抽样过程中更加倾向于少数类和分错的多数类,故合成分类器的分界面会偏离少数类.该算法在UCI的10个典型不平衡数据集上进行实验,在保证多数类分类精度的同时提高了少数类的分类精度以及GMA.
提齣瞭一種新的適用于不平衡數據集的Adaboost算法(ILAdaboost),該算法利用每一輪學習到的基分類器對原始數據集進行測試評估,併根據評估結果將原始數據集分成四箇子集,然後在四箇子集中重新採樣形成平衡的數據集供下一輪基分類器學習,由于抽樣過程中更加傾嚮于少數類和分錯的多數類,故閤成分類器的分界麵會偏離少數類.該算法在UCI的10箇典型不平衡數據集上進行實驗,在保證多數類分類精度的同時提高瞭少數類的分類精度以及GMA.
제출료일충신적괄용우불평형수거집적Adaboost산법(ILAdaboost),해산법이용매일륜학습도적기분류기대원시수거집진행측시평고,병근거평고결과장원시수거집분성사개자집,연후재사개자집중중신채양형성평형적수거집공하일륜기분류기학습,유우추양과정중경가경향우소수류화분착적다수류,고합성분류기적분계면회편리소수류.해산법재UCI적10개전형불평형수거집상진행실험,재보증다수류분류정도적동시제고료소수류적분류정도이급GMA.
