多类类别不平衡学习算法:EasyEnsemble.M |
| |
引用本文: | 李倩倩,刘胥影.多类类别不平衡学习算法:EasyEnsemble.M[J].模式识别与人工智能,2014(2):187-192. |
| |
作者姓名: | 李倩倩 刘胥影 |
| |
摘 要: | 随机欠采样方法忽略潜在有用的大类样本信息,在面对多类分类问题时更为突出.文中提出多类类别不平衡学习算法:EasyEnsemble.M.该算法通过多次针对大类样本随机采样,充分利用被随机欠采样方法忽略的潜在有用的大类样本,学习多个子分类器,利用混合的集成技术最终得到性能较优的强分类器.实验结果表明,与常用的多类类别不平衡学习算法相比,EasyEnsemble.M可有效提高分类器的G-mean值.
|
关 键 词: | 机器学习 类别不平衡学习 欠采样 集成 |
本文献已被 CNKI 等数据库收录! |
|