文献

J-GLOBAL ID：201902220187640289   整理番号：19A2339630

不均衡データのためのマルチクラス分類と回帰のための効果的な再帰的技法【JST・京大機械翻訳】

An Effective Recursive Technique for Multi-Class Classification and Regression for Imbalanced Data

著者 (5件)： Alam Tahira (Department of Computer Science and Engineering, University of Dhaka, Dhaka, Bangladesh) ,  Ahmed Chowdhury Farhan (Department of Computer Science and Engineering, University of Dhaka, Dhaka, Bangladesh) ,  Zahin Sabit Anwar (Department of Computer Science and Engineering, University of Dhaka, Dhaka, Bangladesh) ,  Khan Muhammad Asif Hossain (Department of Computer Science and Engineering, University of Dhaka, Dhaka, Bangladesh) ,  Islam Maliha Tashfia (Department of Computer Science and Engineering, University of Dhaka, Dhaka, Bangladesh)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 127615-127630  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習において,分類と回帰は,それらが多数の実世界応用において広範囲に発生するので,最も注目すべき重要な話題の2つである。しかし,実際の寿命データはほとんどバランスがなく,むしろ歪んだデータが一般的な発生である。これは分類と回帰の標準技術に対するいくつかの重大な課題を提起する。これらの技術の性能と有効性は,オーバーフィッティングによって実質的に影響され,大部分のクラスに向けてバイアスを作り出す。近年,不均衡データの分類のために非常に少数の方法が導入されている。しかし,それらのほとんどは二値クラスに対して設計されており,複数のクラスに対してそれらを拡張することは困難または非効率的である。さらに,データ不均衡問題は,回帰分析においても頻繁に発生し,この問題に取り組むのに十分ロバストなアルゴリズムを扱うことができる。本論文では,不均衡データによるマルチクラス分類のための効果的再帰法を提案した。提案したアルゴリズムはデータを分割し,バランスさせ,アンサンブル技術と再帰的に結合した。さらに,提案した方法を拡張して,回帰分析におけるデータ不均衡問題を解いた。実験結果は,提案した再帰技術が効果的であり,不均衡な分布による分類と回帰のための既存の方法と比較するとき,性能を改良することを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  有効性 ,  アルゴリズム ,  *回帰分析 ,  ロバスト性
準シソーラス用語： *不均衡 ,  *不均衡データ , 【Automatic Indexing@JST】

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 (4件)： 不均衡データ ,  マルチ ,  クラス分類 ,  技法