.png){kind=icon}
返回
Multi-class WHMBoost: An ensemble algorithm for multi-class imbalanced data
.png){kind=icon}
PRE
AI
DOI：10.3233/ida-215874.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
不平衡数据问题在现实世界中普遍存在。在训练机器学习模型的过程中，忽视不平衡数据问题会导致模型性能下降。目前，研究人员提出了许多处理不平衡数据问题的方法，但这些方法主要关注二元分类任务中的不平衡数据问题。从多类不平衡数据集中学习仍然是一个开放性问题。本文提出了一种用于分类多类不平衡数据集的集成方法，称为多类WHMBoost。它是我们先前提出的WHMBoost的扩展。我们未使用WHMBoost中的算法处理数据，而是采用基于平均大小的随机平衡方法以平衡数据分布。我们在提升算法中使用的弱分类器是支持向量机和决策树分类器。在模型训练过程中，它们以给定权重参与训练，以互补各自的优势。我们在18个多类不平衡数据集上，使用MAUC、MG-mean和MMCC作为评估指标，将多类WHMBoost的性能与当前最先进的集成算法进行了比较。结果表明，相比当前最先进的集成算法，它具有明显优势，能够有效处理多类不平衡数据集。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息