基于改进的类别分布特征选择方法

• 作者: 徐红国 王素格
• 来源期刊: 中北大学学报（自然科学版）
• 学科: 工学
• 关键词: 非平衡数据集 特征选择 文本分类 类别分布 机器学习
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 应用基础研究
• 页码范围: 139-142
• 分类号: TP391
• 字数: 2625字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3193.2011.02.005

摘要

随着网络上非平衡数据的大量涌现,使得对非平衡数据分类的研究成为一个新的研究热点.根据特征在类别中的分布特点,提出了基于类间、类内分布的方法.该方法不但充分考虑了稀有类别信息对特征选择的影响,使得构造的类别分布函数能够相当好地反映稀有特征的信息,而且能够选出对非平衡数据分类贡献大的特征.实验结果表明:此方法的MacroF1和MicroF1皆优于基于类别分布的特性选择(Category Distribution-Based Feature Selection,CDFS)和类别信息的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王素格	山西大学数学科学学院	88	812	14.0	25.0
2	徐红国	山西大学数学科学学院	1	2	1.0	1.0