二次集成学习在医疗数据挖掘中的应用

• 作者: 慕鑫 杨杨 魏秀参
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 二次学习 集成学习 类别不平衡学习 数据挖掘
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1113-1119
• 页数: 7页
• 分类号: TP391
• 字数: 4367字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1403064

摘要

CCDM 2014数据挖掘竞赛基于医学诊断数据，提出了实际生活中广泛出现的多类标问题和多类分类问题。针对两个问题出现的类别不平衡现象以及训练样本较少等特点，为了更好地完成数据挖掘任务，借助二次学习和集成学习的思想，提出了一个新的学习框架--二次集成学习。该学习框架通过首次集成学习得到若干置信度较高的样本，将其加入到原始训练集，并在新的训练集上进行二次学习，进而得到泛化性能更高的分类器。竞赛结果表明，与常用的集成学习相比，二次集成学习在两个问题上均取得了非常理想的结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨杨	南京大学计算机软件新技术国家重点实验室	8	41	3.0	6.0
2	魏秀参	南京大学计算机软件新技术国家重点实验室	2	0	0.0	0.0
3	慕鑫	南京大学计算机软件新技术国家重点实验室	1	0	0.0	0.0