一种面向不平衡数据分类的组合剪枝方法

• 作者: 张银峰 职为梅 范明 郭华平
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 不平衡数据集 组合剪枝 剪枝集 评估指标 基分类器
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 157-161,165
• 页数: 6页
• 分类号: TP18
• 字数: 4468字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.06.034

摘要

传统的数据分类算法多是基于平衡的数据集创建,对不平衡数据分类时性能下降,而实践表明组合选择能有效提高算法在不平衡数据集上的分类性能.为此,从组合选择的角度考虑不平衡类学习问题,提出一种新的组合剪枝方法,用于提升组合分类器在不平衡数据上的分类性能.使用Bagging建立分类器库,直接用正类(少数类)实例作为剪枝集,并通过MBM指标和剪枝集,从分类器库中选择一个最优或次优子组合分类器作为目标分类器,用于预测待分类实例.在12个UCI数据集上的实验结果表明,与EasyEnsemble、Bagging和C4.5算法相比,该方法不但能大幅提升组合分类器在正类上的召回率,而且还能提升总体准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭华平	郑州大学信息工程学院	12	41	4.0	6.0
2	范明	郑州大学信息工程学院	55	376	11.0	16.0
3	职为梅	郑州大学信息工程学院	17	85	6.0	8.0
4	张银峰	郑州大学信息工程学院	2	22	2.0	2.0