文献

J-GLOBAL ID：201902226891598569   整理番号：19A1675904

機械学習のための訓練データセット等化手法【JST・京大機械翻訳】

Equilibration of training data set for machine learning

著者 (5件)： Li Guohe (中国石油大学(北京) 石油数据wa掘北京市重点実験室,北京 102249;中国石油大学(北京) 地球物理与信息工程学院,北京 102249;北京兆信信息技術股fen有限公司 石大兆信数字身fen管理与物聯网技術研究院,北京 102249) ,  Zhang Teng (中国石油大学(北京) 石油数据wa掘北京市重点実験室,北京 102249;中国石油大学(北京) 地球物理与信息工程学院,北京 102249) ,  Wu Weijiang (中国石油大学(北京) 石油数据wa掘北京市重点実験室,北京 102249;中国石油大学(北京) 地球物理与信息工程学院,北京 102249;北京兆信信息技術股fen有限公司 石大兆信数字身fen管理与物聯网技術研究院,北京 102249) ,  Hong Yunfeng (北京兆信信息技術股fen有限公司 石大兆信数字身fen管理与物聯网技術研究院,北京,102249) ,  Zhou Xiaoming (北京兆信信息技術股fen有限公司 石大兆信数字身fen管理与物聯网技術研究院,北京,102249)
資料名： Jisuanji Gongcheng yu Sheji  (Jisuanji Gongcheng yu Sheji)
巻： 40  号： 3  ページ： 812-818  発行年： 2019年 
JST資料番号： C3599A  ISSN： 1000-7024  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： 不均衡データに対する機械学習アルゴリズムのモデリング効果を改善するために,平衡化前処理法を提案した。iForestを用いて,サンプル空間における各サンプルの分布特性を評価し,負クラス(多数クラス)のサンプル分布特性の評価値に基づいて,確率分布を定義した。標本の確率分布に従って,車輪回転アルゴリズムによって負サンプルを選択した。K-means方式によって,いくつかの負サンプルクラスタ中心を形成し,そして,クラスタ中心を最終的負クラスとして選択し,そして,正および負のサンプルの間の平衡化を,達成した。Adaboostモデルに関するiForest-RM.iForest-RMと他のサンプリング方法の実験的比較結果は,iForest-RMがより良い均衡化能力を持ち,サンプル空間分布特性を得るのにより良いことを示した。これは地震相同定に有効に適用できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *等化 ,  モデリング ,  *機械学習 ,  学習アルゴリズム ,  空間分布 ,  地震 ,  釣合 ,  アルゴリズム ,  クラスタ ,  確率分布 ,  布特性
準シソーラス用語： 不均衡データ ,  *訓練データ , 【Automatic Indexing@JST】

著者キーワード (5件)： data preprocessing ,  unbalanced dataset ,  isolation forest ,  K-means ,  turn roulette algorithm

分類 (3件)： 数値計算  (JE02000J) ,  計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 機械学習 ,  訓練データ ,  等化 ,  手法