文献

J-GLOBAL ID：201702233485511844   整理番号：17A1546256

マルチクラス問題のクラス不均衡広がりの測定【Powered by NICT】

Measuring the class-imbalance extent of multi-class problems

著者 (4件)： Ortigosa-Hernandez Jonathan (Intelligent Systems Group, Department of Computer Science and Artificial Intelligence, Computer Science Faculty, The University of the Basque Country UPV/EHU, P. Manuel Lardizabal 1, 20018, Donostia-San Sebastian, Spain) ,  Inza Inaki (Intelligent Systems Group, Department of Computer Science and Artificial Intelligence, Computer Science Faculty, The University of the Basque Country UPV/EHU, P. Manuel Lardizabal 1, 20018, Donostia-San Sebastian, Spain) ,  Lozano Jose A. (Intelligent Systems Group, Department of Computer Science and Artificial Intelligence, Computer Science Faculty, The University of the Basque Country UPV/EHU, P. Manuel Lardizabal 1, 20018, Donostia-San Sebastian, Spain) ,  Lozano Jose A. (Basque Center for Applied Mathematics BCAM, Alameda de Mazarredo 14, 48009, Bilbao, Spain)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 98  ページ： 32-38  発行年： 2017年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多くの重要な実世界分類問題は,不均衡データからの学習を含むので,挑戦的なクラス不均衡問題は,コミュニティでかなりの注目を受けた最近。文献で提案された方法論的寄与の大部分は電池特異的データセットの上で1セットの実験を行った。これらのケースでは,実験から意味のある結論を引き出すことできるようにするために,著者らはしばしば不均衡比を用いて各試験データセットのクラス不均衡程度を測定,すなわち少数派クラスによる多数クラスの頻度を分けた。本論文では,不均衡比は二値問題ための有益な手段であるが,それはシナリオでは,同じ数値で異なるクラス不均衡程度の問題をグループ化という事実のために,マルチクラスシナリオに対し十分でないことを論じた。このようにして,この欠点を克服するために,本論文では,多クラス問題のクラス不均衡程度を測定する適切にできる新規で正規化された尺度として不均衡度を提案した。実験結果は,学習過程に歪んだ多クラス分布により生成された障害を反映してより敏感であるので不均衡度が不均衡比よりもより適切であることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *コミュニティ ,  正規化 ,  電池
準シソーラス用語： 少数派 ,  *不均衡 ,  不均衡データ ,  *クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (2件)： クラス不均衡問題 ,  歪クラス分布

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： マルチ ,  クラス ,  問題 ,  クラス不均衡 ,  広がり