文献

J-GLOBAL ID：202102257001955363   整理番号：21A3313313

不均衡な広いデータを持つ特徴選択のためにリサンプリングはいつ有益か?【JST・京大機械翻訳】

When is resampling beneficial for feature selection with imbalanced wide data?

著者 (4件)： Ramos-Perez Ismael (Universidad de Burgos, Department of Computer Engineering, Escuela Politecnica Superior, Avda. Cantabria s/n, Province of Burgos, 09006, Spain) ,  Arnaiz-Gonzalez Alvar (Universidad de Burgos, Department of Computer Engineering, Escuela Politecnica Superior, Avda. Cantabria s/n, Province of Burgos, 09006, Spain) ,  Rodriguez Juan J. (Universidad de Burgos, Department of Computer Engineering, Escuela Politecnica Superior, Avda. Cantabria s/n, Province of Burgos, 09006, Spain) ,  Garcia-Osorio Cesar (Universidad de Burgos, Department of Computer Engineering, Escuela Politecnica Superior, Avda. Cantabria s/n, Province of Burgos, 09006, Spain)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 188  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 本論文では,異なる分類器を用いるとき,バランスと特徴選択技術の組合せが広いデータ(インスタンスよりも多くの属性)に及ぼす影響を検討する。このために,14のデータセット,3つのバランス戦略,および7つの特徴選択アルゴリズムを使用して,大規模な研究を行った。5つの分類アルゴリズムを用いて評価を行い,選択した特徴の異なる割合に対する結果を解析し,Bayes試験を用いて統計的有意性を確立した。研究の幾つかの一般的結論は,特徴選択の前にRUSを使用することが良好であるが,ROSとSMOTEは,その後適用したとき,より良い結果を提供することである。さらに,用いた分類器に依存して,特定の結果も得られ,例えば,GaussSVMでは,特徴選択がRUSとのデータをバランスする前にSVM-RFEで行われるとき,最良の性能が得られる。Copyright 2021 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 ,  *特徴選択 ,  機械学習
準シソーラス用語： 不均衡 ,  *リサンプリング ,  分類アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： 特徴選択 ,  広いデータ ,  高次元データ ,  非常に低いサンプルサイズ ,  不均衡 ,  機械学習

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 特徴選択 ,  リサンプリング