以類重疊度為優(yōu)化目標(biāo)的不平衡數(shù)據(jù)學(xué)習(xí)方法

摘要： 分類是機(jī)器學(xué)習(xí)中的一項(xiàng)重要學(xué)習(xí)任務(wù),基本思想是使用在訓(xùn)練樣例集上生成的分類器對(duì)測(cè)試樣例的類別進(jìn)行預(yù)測(cè).然而,很多實(shí)際應(yīng)用中的訓(xùn)練集具有不平衡的類分布,這通常會(huì)制約學(xué)習(xí)算法的分類性能.為此,本文提出以類重疊度為優(yōu)化目標(biāo)的不平衡數(shù)據(jù)學(xué)習(xí)方法 (COA-RBU).將相對(duì)類間勢(shì)作為多數(shù)類樣例效用的評(píng)價(jià)標(biāo)準(zhǔn),并根據(jù)訓(xùn)練集的類重疊度自適應(yīng)地確定合適欠采樣比例,以降低不平衡訓(xùn)練集的數(shù)據(jù)復(fù)雜性... （共8頁(yè)）