首页|基于集成方法的不平衡数据分类研究

基于集成方法的不平衡数据分类研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
按照不同不平衡数据集在面对四类分类情况时侧重点的不同,构造出一种适用于不同特征不平衡数据的分类评价指标,并围绕此指标调整弱分类器权重及样本权重,改进集成算法中的AdaBoost算法,使其自适应不同特征的不平衡数据集分类.选择决策树算法作为基分类器算法进行仿真实验,发现使用AdaBoost算法和GBDT算法后准确率降幅较大,而改进的PFBoost算法能够在保证准确率的情况下显著提升F1值和G-mean值,且在绝大多数数据集上的F1值和G-mean值提升幅度远超其它两种集成算法.
Research on Imbalanced Data Classification Based on Ensemble Method

陈力、赵礼峰

展开 >

南京邮电大学理学院 南京 210023

不平衡数据 数据特征 自适应 PFBoost

国家自然科学基金

61304169

2021

10.3969/j.issn.1672-9722.2021.11.019

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(11)
  • 1
  • 5