文献

J-GLOBAL ID：201902217301827490   整理番号：19A1982059

アンダーサンプリング法とその非平衡データセット分類への応用【JST・京大機械翻訳】

Improved Under-sampling Method and Its Application in the Classification of Imbalanced Data Sets

著者 (5件)： Niu Zhuang (太原理工大学信息与計算机学院,山西晋中,030600) ,  Li Fenglian (太原理工大学信息与計算机学院,山西晋中,030600) ,  Zhang Xueying (太原理工大学信息与計算机学院,山西晋中,030600) ,  Fan Yuzhou (太原理工大学信息与計算机学院,山西晋中,030600) ,  Wei Xin (太原理工大学信息与計算机学院,山西晋中,030600)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 45  号： 6  ページ： 218-224  発行年： 2019年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  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： アンダーサンプリング法は,非平衡データセットの分類において,データ分布の変化が分類結果に及ぼす影響は十分に考慮されていない。このために,クラスタ融合に基づく冗長な改良アンダーサンプリング法を提案した。クラスタ化アルゴリズムを用いて,多くの種類のサンプルの高密度分布領域のクラスタリング中心を得て,多くの種類のサンプルを異なる部分集合に分割し,各部分集合の冗長度係数を計算することによって,多くの種類のサンプルに対して冗長な削除を行い,アンダーサンプリングの目的を達成した。15の異なった平衡率のデータセットのアンダーサンプリングの後,コスト敏感な混合属性マルチディシジョンツリーモデルを分類するために使用した。実験結果は,提案方法が,非平衡データセットの分類精度を減少せずに,少数のサンプルにおける正分類率および予測モデルのG-mean値を改善できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 予測モデル ,  *非平衡状態 ,  部分集合 ,  アルゴリズム ,  冗長度 ,  密度分布 ,  クラスタ化 ,  冗長性 ,  クラスタ
準シソーラス用語： 分類精度 ,  *アンダーサンプリング , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： アンダーサンプリング ,  非平衡 ,  データセット ,  分類 ,  応用