抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
分類はデータマイニングのための一般的に使用されるモデリング方法である。分類モデルは,クラスと呼ばれるカテゴリー値を予測するために使用される予測モデルである。アンサンブル分類モデリングは,いくつかのベースモデルの作成とベースモデル予測のための組合せアルゴリズムを含む。分類モデリングプロセスは,訓練データと呼ばれる一連のインスタンスを使用する。各インスタンスは予測子変数の値とクラスと呼ばれるカテゴリーラベルから成る。クラスは,それが他のクラスと比較して非常に少ない数の訓練インスタンスを持つならば,少数クラスと呼ばれる。これは,大部分のクラスに対する分類性能と比較して,低レベルの正しい分類をもたらす。多クラス予測タスクに対する分類モデリングに適用できるアンサンブル分類法として,文献において正対負(pVn)分類が報告されている。本論文の目的は,pVn分類モデリングを用いて,少数クラスに対する分類性能を改善するための複製法の性能に対する実験結果について報告することである。実験結果は,少数クラスの分類精度がpVn分類モデルの使用を通して改善できることを実証した。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】