| 少数类的集成学习 |
| |
| 引用本文： | 潘志松,燕继坤.少数类的集成学习[J].南京航空航天大学学报,2009,41(4). |
| |
| 作者姓名： | 潘志松 燕继坤 |
| |
| 作者单位： | 1. 解放军理工大学指挥自动化学院,南京,210007
2. 西南电子电信技术研究所现代信号处理国家重点实验室,成都,610041 |
| |
| 摘 要： | 传统机器学习中研究的分类问题通常假定各类别是平衡的,但在很多场合各类别的出现概率相差很大,而且很多应用中需要区分重要而稀少的少数类.本文比较了3种基于AdaBoost集成学习方法,并推导出他们的精度几何平均(GMA)的下界.分析表明:类别越不平衡,这3种方法越难以通过提高基分类器准确率来提高GMA.在此结论的基础上,以Bagging为基础提出了单边Bagging算法,该算法只对多数类抽样,而保留所有少数类,因而每轮的训练集是类别平衡的,并通过UCI数据集验证了其有效性.
|
| 关 键 词： | 集成学习 不平衡类别 单边Bagging |
Ensemble Learning Method to Classify Minority Class |
| |
| Pan Zhisong,Yan Jikun.Ensemble Learning Method to Classify Minority Class[J].Journal of Nanjing University of Aeronautics & Astronautics,2009,41(4). |
| |
| Authors: | Pan Zhisong Yan Jikun |
| |
| Institution: | 1.Insititute of Command Automation;PLA University of Science and Technology;Nanjing;210007;China;2.The South-West Institute of Electronics & Telecommunication Technology;Chengdu;610041;China |
| |
| Abstract: | |
| |
| Keywords: | ensemble learning imbalanced class single side Bagging |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
