检索结果

Select

1. 基于欠采样和代价敏感的不平衡数据分类算法

王俊红, 闫家荣

计算机应用 2021, 41 (1): 48-52. DOI: 10.11772/j.issn.1001-9081.2020060878

摘要（384）

PDF （752KB）（664）

针对不平衡数据集中的少数类在传统分类器上预测精度低的问题，提出了一种基于欠采样和代价敏感的不平衡数据分类算法——USCBoost。首先在AdaBoost算法每次迭代训练基分类器之前对多数类样本按权重由大到小进行排序，根据样本权重选取与少数类样本数量相当的多数类样本；之后将采样后的多数类样本权重归一化并与少数类样本组成临时训练集训练基分类器；其次在权重更新阶段，赋予少数类更高的误分代价，使得少数类样本权重增加更快，并且多数类样本权重增加更慢。在10组UCI数据集上，将USCBoost与AdaBoost、AdaCost、RUSBoost进行对比实验。实验结果表明USCBoost在F1-measure和G-mean准则下分别在6组和9组数据集获得了最高的评价指标。可见所提算法在不平衡数据上具有更好的分类性能。

参考文献 | 相关文章 | 多维度评价

Select

2. 多维概念格与关联规则发现

郭显娥王俊红

计算机应用 2010, 30 (4): 1072-1075.

摘要（1261）

PDF （689KB）（1424）

在引用多维数据序列对概念内涵进行不同维度的描述的基础上，提出了多维概念格的形式化定义及其构造方法；并给出了基于多维概念格的关联规则提取方法，该方法通过发现最大频繁多维数据序列研究不同维度属性之间的依赖关系。实例表明，多维概念格利于发现内容更丰富的有用信息。