不均衡问题中的特征选择新算法:Im-IG

• 作者: 尤鸣宇 李国正 陈燕
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: Im-IG算法 不均衡问题 特征选择
• 年，卷（期）: 2010,（5）
• 页码范围: 123-128
• 分类号: TP391
• 语种: 中文

摘要

机器学习中各类别样本数目不等是普遍存在且备受关注的不均衡问题.广泛用于特征选择的信息增益IG(information gain)算法,在这类不均衡问题中的表现却极少被研究.本文在讨论IG算法在不同均衡度数据集上性能的基础上,提出了一种新的解决不均衡问题的特征选择算法Im-IG(imbalanced-information gain).Im-IG通过提高小类分布在信息熵计算中的权重,优先选入有利于小类正确分离的特征.在提升整体分类性能的同时,着眼于提高小类的正确率.在多个不均衡数据集上的实验结果表明,Im-IG算法能较好地解决IG算法在不均衡问题中的不适应性,是一种有效的不均衡问题特征选择算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈燕	同济大学电子与信息工程学院	27	156	7.0	12.0
2	李国正	同济大学电子与信息工程学院	16	146	8.0	11.0
3	尤鸣宇	同济大学电子与信息工程学院	9	28	3.0	5.0