不均衡数据集中基于Adaboost的过抽样算法

• 作者: 毛炳寰 王文渊 韩慧
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 不均衡数据集 过抽样 提升算法
• 年，卷（期）: 2007,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 207-209
• 页数: 3页
• 分类号: TP301.6
• 字数: 3620字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.10.074

摘要

为了提高不均衡数据集中少数类的分类性能,该文融合了提升和过抽样的优点,提出了基于提升算法Adaboost的过抽样算法MCMO-Boost,并且将其与决策树算法C4.5、提升算法Adaboost和过抽样算法SMOTE进行了实验比较与分析.结果表明,MCMO-Boost算法在少数类和数据集的总体分类性能方面都优于其它算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文渊	清华大学自动化系	19	484	11.0	19.0
2	韩慧	清华大学自动化系	7	217	5.0	7.0
3	毛炳寰	中央财经大学统计系	3	71	2.0	3.0