文献

J-GLOBAL ID：201902216467003193   整理番号：19A0998966

少数クラスのサンプリングによるオーバーサンプリングアルゴリズムの性能向上【JST・京大機械翻訳】

Boosting the performance of over-sampling algorithms through under-sampling the minority class

著者 (2件)： de Morais Romero F.A.B. (Center for Informatics, Federal University of Pernambuco, Recife, Brazil) ,  Vasconcelos Germano C. (Center for Informatics, Federal University of Pernambuco, Recife, Brazil)
資料名： Neurocomputing  (Neurocomputing)
巻： 343  ページ： 3-18  発行年： 2019年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 過剰サンプリングアルゴリズムは,少数クラスにおける新しい例のランダム複製または合成を通して,不均衡なデータ問題におけるクラス分布をバランスさせるために最も採用されたアプローチである。しかしながら,現在の過剰サンプリングアルゴリズムは,通常,少数クラスにおけるすべての利用可能な例を用いて,雑音または異常値データを含む可能性がある新しい事例を合成する。本研究では,k-INOSを提案し,少数のクラスにおける雑音のある事例により汚染される過剰サンプリングアルゴリズムを防止する新しいアルゴリズムを提案した。k-INOSは,影響の近傍の概念に基づいており,オーバーサンプリングアルゴリズムの周りのラッパとして動作する。包括的実験を行い,50のベンチマークデータセット,8つのオーバーサンプリング法,および5つの分類器におけるk-INOSをテストし,7つの計量とWilcoxon signedランク検定に従って性能を測定した。結果は,特に弱い分類器(しかし,だけでなく)に対して,k-INOSは,ほとんどの性能計量におけるオーバーサンプリングアルゴリズムの性能を著しく向上させることを示した。さらなる研究により,k-INOSがデータセットから測定された特徴と速度に従って性能を増加させる可能性がある条件を同定することができた。広範な実験フレームワークは,過剰サンプリング法の前に適用される効率的なアルゴリズムとしてk-INOSを証明した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  ベンチマーク ,  複製 ,  異常値 ,  *アルゴリズム
準シソーラス用語： ラッパー ,  不均衡 ,  *オーバサンプリング , 【Automatic Indexing@JST】

著者キーワード (4件)： 不均衡学習 ,  オーバーサンプリング ,  サブサンプリング ,  雑音性データ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： クラス ,  サンプリング ,  オーバーサンプリング ,  アルゴリズム ,  性能向上