基于代价敏感的AdaBoost算法改进

• 作者: 王学玲 王建林
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Adaboost算法 权重更新 集成学习 代价敏感
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 基金项目论文
• 页码范围: 123-125,138
• 页数: 4页
• 分类号: TP181
• 字数: 4351字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.10.034

摘要

针对传统的AdaBoost算法只关注分类错误率最小的问题，在分析传统的AdaBoost算法实质基础上，提出一种基于代价敏感的改进AdaBoost算法。首先在训练基分类器阶段，对于数据集上的不同类别样本根据其错分后造成的损失大小不同来更新样本权值，使算法由关注分类错误率最小转而关注分类代价最小。然后，在组合分类器输出时采用预测概率加权方法来取代传统Ad-aBoost算法采用的预测类别加权的方法。最后通过实验验证了改进算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王学玲	滨州学院计算机科学技术系	13	52	5.0	6.0
2	王建林	滨州学院计算机科学技术系	10	43	4.0	6.0