文献

J-GLOBAL ID：201802237636834454   整理番号：18A0651685

AdaBoostに基づくクラス不平衡学習アルゴリズム【JST・京大機械翻訳】

AdaBoost-based class imbalance learning algorithm

著者 (5件)： Qin Mengmei (南通大学電子信息学院,江蘇南通,226019) ,  Qiu Jianlin (南通大学計算机科学与技術学院,江蘇南通226019;南通理工学院計算机与信息工程学院,江蘇南通226002) ,  Lu Pengcheng (南通大学電子信息学院,江蘇南通,226019) ,  Chen Lulu (南通大学電子信息学院,江蘇南通,226019) ,  Zhao Weikang (南通大学計算机科学与技術学院,江蘇南通,226019)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 34  号： 11  ページ： 3229-3232,3254  発行年： 2017年 
JST資料番号： C2536A  ISSN： 1001-3695  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 不平衡データを扱う場合には,少数のクラスの境界事例は非常に容易に誤りやすくなることが知られている。分類器性能に及ぼすクラス不均衡の影響を低減するために,適応境界サンプリング(AB-SMOTE)-AB-SMOTEアルゴリズムを提案し,データセットの平衡度と有効性を改善した。”少数のクラスの境界サンプルに対して適応サンプリングを行った。同時に,AB-SMOTEアルゴリズムとデータクリーニング技術を統合して,AdaBoostアルゴリズムに基づくABTAda-Boost.ABTAdaBoostアルゴリズムは,主に3つの段階を含んだ。トレーニングデータセットに対して,AB-SMOTEアルゴリズムを用いて,データセットのクラス不均衡を低減した。Tomek linksデータクリーニング技術を用いて、データセットのノイズとサンプリング方法によって生じたオーバーラップサンプルを除去し、データの可用性を有効に向上させた。AdaBoostアンサンブルアルゴリズムを用いて,弱い分類器に基づく統合分類器を生成した。12のUCIデータセットに関する実験結果は,ABTAdaBoostアルゴリズムが他の分類アルゴリズムより良い予測性能を有することを示した,それは,それぞれ,J48ディシジョンツリーとナイーブBayesをベースとしていることを示している。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  雑音 ,  *学習アルゴリズム ,  アベイラビリティ ,  ディシジョンツリー ,  *非平衡状態
準シソーラス用語： 予測性能 ,  分類アルゴリズム ,  データクリーニング ,  クラス不均衡 ,  *AdaBoost , 【Automatic Indexing@JST】

著者キーワード (5件)： machine learning ,  class imbalance learning ,  ensemble learning ,  SMOTE ,  data cleaning techniques

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： AdaBoost ,  クラス ,  不平衡 ,  学習アルゴリズム