文献

J-GLOBAL ID：202002228056533169   整理番号：20A2249002

不均衡データ集合のための新しい動的アンサンブル選択分類器:信用リスク評価への応用【JST・京大機械翻訳】

A novel dynamic ensemble selection classifier for an imbalanced data set: An application for credit risk assessment

著者 (5件)： Hou Wen-hui (School of Business, Central South University, Changsha 410083, PR China) ,  Wang Xiao-kang (School of Business, Central South University, Changsha 410083, PR China) ,  Zhang Hong-yu (School of Business, Central South University, Changsha 410083, PR China) ,  Wang Jian-qiang (School of Business, Central South University, Changsha 410083, PR China) ,  Li Lin (School of Business, Hunan University, Changsha 410082, PR China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 208  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： クレジットリスク評価は通常,静的アンサンブル分類器によって解決される不均衡分類タスクと見なされる。しかし,各クエリーサンプルに対する異なるアンサンブル分類器を選択することができる動的アンサンブル選択(DES)戦略は,ほとんど使用されない。不均衡データを扱う際の既存のDESアルゴリズムの欠点は,主要な課題である。本論文では,不均衡学習問題のための新しい複合DESモデルを開発した。不均衡データセットを処理するために,合成少数オーバーサンプリング技術を,候補分類器プールを生成する前に訓練セットのバランスをとるために最初に使用した。次に,DES-MI(マルチクラス不均衡)の重みづけ機構を用いて,分類器能力を評価する場合,少数インスタンスの重要性を強調した。アンサンブル分類器の総合評価と正しい選択をさらに保証するために,META-DESのメタ学習フレームワークを用いて多重基準を説明し,DES-KNN(k-最近傍)の2段階選択戦略を用いて分類器の能力と多様性の間のトレードオフを行った。KEELリポジトリからの15の不均衡データセットに関する著者らの実験は,提案モデルが曲線の下の領域に関して7つの既知で一般的なDESアルゴリズムの性能を改善することを示した。さらに,提案方法のI型エラー率は,実際のP2PローンデータセットにおけるXGBoostとLightGBMのものより低く,信用リスク評価のための提案方法の効率を示している。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  多重化 ,  誤り率 ,  重みづけ ,  リポジトリ
準シソーラス用語： オーバサンプリング ,  不均衡 ,  メタ学習 ,  *不均衡データ ,  不均衡データセット ,  アンサンブル分類器 ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (4件)： 信用リスク評価 ,  動的アンサンブル選択(DES) ,  不均衡分類 ,  リサンプリング技術

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 均衡 ,  データ集合 ,  アンサンブル ,  分類器 ,  信用リスク評価 ,  応用