一种用于不平衡数据分类的改进AdaBoost算法

• 作者: 李宁 李立斌 郭乔进
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 不平衡数据 类别不平衡学习 AdaBoost AsymBoost 阈值
• 年，卷（期）: 2008,（21）
• 所属期刊栏目: 机器学习
• 页码范围: 217-221
• 页数: 5页
• 分类号: TP18
• 字数: 5328字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.21.059

摘要

真实世界中存在大量的类别不平衡分类问题,传统的机器学习算法如AdaBoost算法,关注的是分类器的整体性能,而没有给予小类更多的关注.因此针对类别不平衡学习算法的研究是机器学习的一个重要方向.AsymBoost作为AdaBoost的一种改进算法,用于类别不平衡学习时,牺牲大类样本的识别精度来提高小类样本的分类性能.AsymBoost算法依然可能遭遇样本权重过大造成的过适应问题.据此提出了一种新型的AdaBoost改进算法.该方法通过对大类中分类困难样本的权重和标签进行处理.使分类器能够同时获得较好的查准率和查全率.实验结果表明,该方法可以有效提高在不平衡数据集上的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宁	南京大学计算机软件新技术国家重点实验室	102	1222	17.0	29.0
2	郭乔进	南京大学计算机软件新技术国家重点实验室	5	64	4.0	5.0
3	李立斌	南京大学计算机科学与技术系	2	44	2.0	2.0