不平衡数据的迁移学习分类算法

• 作者: 徐洋洋 陈林清 陈琼
• 来源期刊: 华南理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 不平衡数据 分类 迁移学习 分类准确度 Precision-Recall曲线
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 122-130
• 页数: 9页
• 分类号: TP181
• 字数: 7105字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-565X.2018.01.016

摘要

以TrAdaboost算法为基础,提出了一个针对不平衡数据的二分类迁移学习算法UnbalancedTrAdaboost (UBTA).UBTA算法利用不同类别的Precision-Recall曲线下的面积auprc(the Area Under the Precision-Recall Curve)计算弱分类器权重,对不同类别的样本采取不同的权重更新策略;AUC指标对数据分布变化不敏感,结合G-mean和BER能更准确地评估不平衡分类算法的性能.实验结果表明,UBTA具有较好的分类性能,既能提升对少数类的关注,又能保持多数类的分类准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈琼	华南理工大学计算机科学与工程学院	21	287	8.0	16.0
2	徐洋洋	华南理工大学计算机科学与工程学院	4	34	3.0	4.0
3	陈林清	华南理工大学计算机科学与工程学院	1	5	1.0	1.0