基于新型不纯度度量的代价敏感随机森林分类器

• 作者: 师彦文 王宏杰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 代价敏感学习 随机森林 不纯度度量 分类回归树(CART) 不平衡数据
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 智能计算
• 页码范围: 98-101
• 页数: 4页
• 分类号: TP181
• 字数: 4864字
• 语种: 中文

摘要

针对不平衡数据集的有效分类问题,提出一种结合代价敏感学习和随机森林算法的分类器.首先提出了一种新型不纯度度量,该度量不仅考虑了决策树的总代价,还考虑了同一节点对于不同样本的代价差异;其次,执行随机森林算法,对数据集作K次抽样,构建K个基础分类器;然后,基于提出的不纯度度量,通过分类回归树(CART)算法来构建决策树,从而形成决策树森林;最后,随机森林通过投票机制做出数据分类决策.在UCI数据库上进行实验,与传统随机森林和现有的代价敏感随机森林分类器相比,该分类器在分类精度、AUC面积和Kappa系数这3种性能度量上都具有良好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	师彦文	西南石油大学计算机科学学院	2	28	2.0	2.0
2	王宏杰	西南石油大学计算机科学学院	4	31	3.0	4.0