文献

J-GLOBAL ID：202002252657183310   整理番号：20A1942311

不均衡分類のための価値を意識した再サンプリングと損失【JST・京大機械翻訳】

Value-Aware Resampling and Loss for Imbalanced Classification

著者 (5件)： Sun Li (School of Computer Science and Technology, Zhejiang University, China) ,  Song Jie (School of Computer Science and Technology, Zhejiang University, China) ,  Hua Cheng (Information Science School, Guangdong University of Finance and Economics, China) ,  Shen Chengchao (School of Computer Science and Technology, Zhejiang University, China) ,  Song Mingli (School of Computer Science and Technology, Zhejiang University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： CSAE ’18  ページ： 1-6  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 既存の1機械学習法は,通常,訓練サンプルを等しく処理して,それらの性能は,不均衡訓練データに直面したとき,著しく劣化する。本論文では,高価値サンプルがモデル訓練プロセスにおける低価値サンプルのものより重要な役割を果たす不均衡分類問題に取り組むために,価値-ソフトウェア再サンプリングと損失(VARL)を導入した。具体的には,各訓練サンプルの訓練価値を,グラウンドトルースラベルの予測確率に従って評価し,次に,訓練サンプルを,バランス訓練セットを生成するために再サンプリングし,最後に,モデル訓練を,インスタンスレベル値意識損失関数を用いてさらに強化した。異なる方法の間で公正な比較を行うために,不均衡分類のための13のデータセットを編集した。実験は,著者らの提案方法がトレーニングサンプルの訓練値を効果的に測定することができ,いくつかの既存の方法と比較して不均衡な分類において優れた性能を達成することを証明した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 損失関数 ,  *ソフトウェア ,  機械学習
準シソーラス用語： 訓練データ ,  *リサンプリング ,  グランドトゥルース , 【Automatic Indexing@JST】

著者キーワード (3件)： 不均衡分類 ,  コスト感受性 ,  データ再サンプリング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 均衡 ,  分類 ,  価値 ,  意識 ,  再サンプリング ,  損失