文献

J-GLOBAL ID：201902289808185960   整理番号：19A2424754

クラス不均衡問題の取り扱いのためのアンサンブル学習に基づくアンダーサンプリング技術【JST・京大機械翻訳】

An Ensemble Learning-Based Undersampling Technique for Handling Class-Imbalance Problem

著者 (4件)： Sarkar Sobhan (Department of Industrial and Systems Engineering, IIT Kharagpur, Kharagpur, India) ,  Khatedi Nikhil (Department of Industrial and Systems Engineering, IIT Kharagpur, Kharagpur, India) ,  Pramanik Anima (Department of Industrial and Systems Engineering, IIT Kharagpur, Kharagpur, India) ,  Maiti J. (Department of Industrial and Systems Engineering, IIT Kharagpur, Kharagpur, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 605  ページ： 586-595  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 実世界のデータは,一般的にクラス不均衡の問題を有しており,パターン認識と機械学習タスクにおいて大きな課題を提起している。この問題を扱うために,極値勾配ブースティング(XGブースト)とサポートベクトルマシン(SVM)を用いたアンサンブル学習ベースのアンダーサンプリング技術を提案した。この技術を鋼工場から得られた事故データセットを用いて検証した。結果は,提案した技術が効果的にクラス不均衡の問題を解決することができることを調査した。この方法は,性能計量,すなわち幾何平均(G-平均),想起,および精度に関して,従来のアンダーサンプリング技術より優れている。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *サポートベクトルマシン ,  機械学習 ,  パターン認識 ,  鋼
準シソーラス用語： 幾何平均 ,  ブースティング ,  *アンダーサンプリング ,  *アンサンブル学習 ,  *クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (5件)： クラス不均衡 ,  アンダーサンプリング ,  XGBoost ,  SVM ,  アンサンブル

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： クラス不均衡 ,  問題 ,  取り扱い ,  アンサンブル学習 ,  アンダーサンプリング