模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2014, Vol. 27 Issue (2): 187-192    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
多类类别不平衡学习算法:EasyEnsemble.M*
李倩倩1,刘胥影1,2
1.东南大学 计算机科学与工程学院 计算机网络和信息集成教育部重点实验室 南京 211189
2.南京大学 计算机软件新技术国家重点实验室 南京 211189
EasyEnsemble.M for Multiclass Imbalance Problem
LI Qian-Qian1, LIU Xu-Ying1,2
1.Key Laboratory of Computer Network and Information Integration, Ministry of Education, School of Computer Science and Engineering, Southeast University, Nanjing 211189
2.National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 211189

全文: PDF (378 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 随机欠采样方法忽略潜在有用的大类样本信息,在面对多类分类问题时更为突出。文中提出多类类别不平衡学习算法:EasyEnsemble.M。该算法通过多次针对大类样本随机采样,充分利用被随机欠采样方法忽略的潜在有用的大类样本,学习多个子分类器,利用混合的集成技术最终得到性能较优的强分类器。实验结果表明,与常用的多类类别不平衡学习算法相比,EasyEnsemble.M可有效提高分类器的G-mean值。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
李倩倩
刘胥影
关键词 机器学习类别不平衡学习欠采样集成    
Abstract:The potential useful information in the majority class is ignored by stochastic under-sampling. When under-sampling is applied to multi-class imbalance problem, this situation becomes even worse. In this paper, EasyEnsemble.M for multi-class imbalance problem is proposed. The potential useful information contained in the majority classes which is ignored is explored by stochastic sampling the majority classes for multiple times. Then, sub-classifiers are learned and a strong classifier is obtained by using hybrid ensemble techniques. Experimental results show that EasyEnsemble.M is superior to other frequently used multi-class imbalance learning methods when G-mean is used as performance measure.
Key wordsMachine Learning    Class-Imbalance Learning    Under-Sampling    Ensemble   
收稿日期: 2013-05-13     
ZTFLH: TP 391  
基金资助:国家自然科学基金青年基金项目(No.61105046)、教育部高等学校博士学科点专项科研基金项目(No.20110092120029)、南京大学软件新技术国家重点实验室开放课题项目(No.KFKT2011B01)资助
作者简介: 李倩倩,女,1989年生,硕士研究生,主要研究方向为机器学习、数据挖掘.E-mail:liqianqianseu@gmail.com.刘胥影(通讯作者),女,1981年生,博士,讲师,主要研究方向为机器学习、数据挖掘.E-mail:liuxy@seu.edu.cn.
引用本文:   
李倩倩,刘胥影. 多类类别不平衡学习算法:EasyEnsemble.M*[J]. 模式识别与人工智能, 2014, 27(2): 187-192. LI Qian-Qian, LIU Xu-Ying. EasyEnsemble.M for Multiclass Imbalance Problem. , 2014, 27(2): 187-192.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2014/V27/I2/187
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn