一种基于重取样的代价敏感学习算法

• 作者: 华丽 宁彬 李文新 熊启军 袁磊 谷琼
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 分类 非均衡数据集 混合重取样 代价敏感学习
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 数据挖掘
• 页码范围: 130-135
• 分类号: TP301.6
• 字数: 4278字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2011.09.023

摘要

大多数非均衡数据集的研究集中于纯重构数据集或者纯代价敏感学习,本文针对数据集类分布非均衡和不相等误分类代价往往同时发生这一事实,提出了一种以最小误分类代价为目标的基于混合重取样的代价敏感学习算法.该算法将两种不同类型解决方案有机地融合在一起,先用样本类空间重构的方法使原始数据集的两类数据达到基本均衡,然后再引入代价敏感学习算法进行分类,能提高少数类分类精度,同时有效降低总的误分类代价.实验结果验证了该算法在处理非均衡类问题时比传统算法要优越.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宁彬	襄樊学院数学与计算机科学学院	16	125	6.0	11.0
2	袁磊	襄樊学院数学与计算机科学学院	9	71	4.0	8.0
3	谷琼	襄樊学院数学与计算机科学学院	6	73	4.0	6.0
4	熊启军	襄樊学院数学与计算机科学学院	7	58	2.0	7.0
5	李文新	襄樊学院数学与计算机科学学院	2	55	2.0	2.0
6	华丽	襄樊学院数学与计算机科学学院	2	17	2.0	2.0