基于云計(jì)算平臺(tái)的代價(jià)敏感集成學(xué)習(xí)研究.pdf

1、現(xiàn)實(shí)生活中存在著很多不平衡類(lèi)數(shù)據(jù)分類(lèi)問(wèn)題，同時(shí)計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，使得現(xiàn)實(shí)生活領(lǐng)域的數(shù)據(jù)膨脹速度異常迅猛，因而大數(shù)據(jù)時(shí)代的不平衡學(xué)習(xí)面臨著更為嚴(yán)峻的挑戰(zhàn)，如何快速高效地對(duì)海量不平衡數(shù)據(jù)進(jìn)行分析處理，歷來(lái)是數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)。
　　本文首先對(duì)不平衡學(xué)習(xí)中的PAC學(xué)習(xí)模型進(jìn)行了研究，針對(duì)傳統(tǒng)PAC學(xué)習(xí)模型邊界不受樣本不平衡率和錯(cuò)誤分類(lèi)代價(jià)影響的問(wèn)題，提出了基于代價(jià)敏感的PAC學(xué)習(xí)模型。實(shí)驗(yàn)結(jié)果表明，可PAC學(xué)習(xí)所需的訓(xùn)練

2、樣本數(shù)目隨著錯(cuò)分代價(jià)比例的增大而增大，隨著正類(lèi)樣本比例的減小而增大，說(shuō)明了基于代價(jià)敏感的PAC學(xué)習(xí)模型的正確性和有效性。
　　此外，針對(duì)現(xiàn)實(shí)生活中海量不平衡數(shù)據(jù)的分類(lèi)問(wèn)題，本文設(shè)計(jì)了一種基于云計(jì)算平臺(tái)的代價(jià)敏感集成學(xué)習(xí)分類(lèi)算法。首先Hadoop云計(jì)算平臺(tái)對(duì)海量數(shù)據(jù)進(jìn)行劃分用于并行學(xué)習(xí)，同時(shí)結(jié)合代價(jià)敏感的思想對(duì)學(xué)習(xí)得到的基分類(lèi)器進(jìn)行加權(quán)集成，實(shí)現(xiàn)了云計(jì)算平臺(tái)上的代價(jià)敏感集成學(xué)習(xí)模型。仿真實(shí)驗(yàn)表明該模型能夠明顯提高少數(shù)類(lèi)的查全率，同時(shí)