一种针对类别不平衡的代价敏感集成算法

• 作者: 吴志勇 田爱奎 谭浩
• 来源期刊: 山东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 类别不平衡 集成 代价敏感 过抽取
• 年，卷（期）: 2018,（6）
• 页码范围: 63-66
• 页数: 4页
• 分类号: TP391
• 字数: 3281字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6197.2018.06.013

摘要

现实世界中的数据挖掘经常涉及从类别分布不平衡的数据集学习,少数类的数量相比于其他类较少.从包含少数类的数据集中学习,通常会产生偏向于多数类的预测分类器,但对少数类的预测精度较差.针对少数类学习提出一种新的集成算法Cost-SMOTEBoost,该算法是SMOTE算法和AdaCost算法的结合.通过实验表明,Cost-SMOTEBoost算法在不降低精确率的情况下提高了召回率,从而提高了在分布不平衡数据集上的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田爱奎	山东理工大学计算机科学与技术学院	28	164	8.0	12.0
2	吴志勇	山东理工大学计算机科学与技术学院	18	88	5.0	9.0
3	谭浩	山东理工大学计算机科学与技术学院	6	17	2.0	4.0