綜合過采樣和欠采樣的不平衡數(shù)據(jù)集的學(xué)習(xí)研究.pdf_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、不平衡數(shù)據(jù)學(xué)習(xí)已經(jīng)逐漸成為當(dāng)前機(jī)器學(xué)習(xí)領(lǐng)域研究熱點(diǎn)之一。在解決不平衡數(shù)據(jù)集的學(xué)習(xí)分類的問題時(shí),需要盡可能大的提高分類器對少數(shù)類的預(yù)測精度,而且也要保證分類器的分類精度受到特別大的影響。
  本課題在對不平衡數(shù)據(jù)的特殊性的研究基礎(chǔ)上,結(jié)合實(shí)際數(shù)據(jù)集中數(shù)據(jù)分布特性和數(shù)據(jù)各個(gè)屬性的在分類過程中的作用,對目前常用于不平衡數(shù)據(jù)的重采樣方法進(jìn)行改進(jìn),有效的解決存在于傳統(tǒng)方法中的不足,得到了新的重采樣方法。為了確保對少數(shù)類的識別性能,對集成分類

2、器進(jìn)行相應(yīng)的改進(jìn),最終得到一個(gè)針對不平衡數(shù)據(jù)集的完整的分類學(xué)習(xí)系統(tǒng)。
  首先,本課題提出了一種針對不平衡數(shù)據(jù)集的基于數(shù)據(jù)密度分布的欠采樣方法。該算法引入數(shù)據(jù)密度的概念,并以此將多數(shù)類數(shù)據(jù)劃分為高密度數(shù)據(jù)簇和低密度數(shù)據(jù)簇,針對不同密度的數(shù)據(jù)簇,執(zhí)行不同的重采樣策略,以達(dá)到改善數(shù)據(jù)平衡度的目的。實(shí)驗(yàn)通過選取6組 UCI數(shù)據(jù)集進(jìn)行驗(yàn)證,選取 C4.5、SVM作為分類器,將該方法與隨機(jī)欠采樣、KNN-NearMiss等方法進(jìn)行比較,實(shí)驗(yàn)

3、結(jié)果表明,該方法對不平衡數(shù)據(jù)分類有較好的效果,能有效提升分類器對少數(shù)類的識別性能。
  其次,該方法通過研究不同屬性對少數(shù)類樣本識別的不同作用,將屬性劃分為顯性屬性、隱性屬性。顯性屬性偏向于少數(shù)類,為少數(shù)類樣本的識別提供可靠、充分的信息,隱形屬性偏向于多數(shù)類,對少數(shù)類的識別形成干擾。因此,針對不同屬性,采用不同復(fù)制策略,最終實(shí)現(xiàn)對合成少數(shù)類樣本的樣本質(zhì)量提升。通過選取6組UCI數(shù)據(jù)集,與SMOTE、隨機(jī)過采樣等方法進(jìn)行比較,實(shí)驗(yàn)結(jié)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論