版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、類別不平衡問題是機(jī)器學(xué)習(xí)在很多真實世界應(yīng)用中面臨的一大挑戰(zhàn),即分類問題中各類樣本數(shù)差異明顯,某些類別樣本數(shù)遠(yuǎn)遠(yuǎn)小于其他類別,而小類別是關(guān)注的重點(diǎn)。在類別不平衡學(xué)習(xí)中,性能評價準(zhǔn)則為AUC、F值或G-mean等,而非正確率。
隨機(jī)過采樣是一種簡單有效的類別不平衡學(xué)習(xí)方法,但它通常有過擬合風(fēng)險。為了降低過擬合風(fēng)險,SMOTE方法采用增加人工小類樣本的方式進(jìn)行過采樣,但可能會引入噪聲,并加重類間的“重疊”(overlapping)問
2、題,也就是說,人工樣本和真實樣本不是獨(dú)立同分布的。為了生成與真實數(shù)據(jù)分布更為一致的人工樣本,一系列改進(jìn)算法被提出,它們使用小類樣本的近鄰信息指導(dǎo)采樣過程,或者對真實數(shù)據(jù)分布進(jìn)行估計來生成小類樣本。然而,在小類樣本絕對稀少時,不管采用何種策略,都不能保證人工樣本完全服從真實數(shù)據(jù)分布。因此,有必要承認(rèn)人工樣本不服從真實數(shù)據(jù)分布,并由此引出了一個值得研究的問題:在小類樣本絕對稀少時,如何有效利用這些人工小類樣本解決類別不平衡問題。
3、本文針對該問題進(jìn)行研究,考慮到人工小類樣本雖然與真實數(shù)據(jù)分布不完全一致,但它們具有高度相關(guān)性,因此使用遷移學(xué)習(xí)的思想有效利用與真實數(shù)據(jù)分布高度相關(guān)的人工小類樣本解決類別不平衡問題,主要做了以下工作:
1)提出了一種基于Boosting框架的類別不平衡學(xué)習(xí)算法TrasoBoost。該算法在每一輪迭代過程中分別降低和提高被學(xué)習(xí)器錯分的人工小類樣本和原始樣本的權(quán)重,而保持被正確分類的樣本權(quán)重不變。這樣在若干輪迭代后,非同分布的人工小
4、類樣本權(quán)重會逐漸降低,從而降低其對分類器的影響。實驗結(jié)果表明,TrasoBoost優(yōu)于多種流行的類別不平衡學(xué)習(xí)算法。
2)提出了一種基于大間隔的遷移學(xué)習(xí)算法TrSVMs。該算法對基于大間隔的遷移學(xué)習(xí)算法AUX-SVMs進(jìn)行了改進(jìn),對源領(lǐng)域和目標(biāo)領(lǐng)域在一個優(yōu)化問題中分別學(xué)習(xí)分類超平面以降低源領(lǐng)域和目標(biāo)領(lǐng)域分布差異大帶來的困難。實驗結(jié)果表明,TrSVMs性能優(yōu)于AUX-SVMs。后續(xù)工作中將在TrSVMs算法的基礎(chǔ)上,有效利用非獨(dú)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多類類別不平衡學(xué)習(xí)研究.pdf
- 類別不平衡數(shù)據(jù)的集成學(xué)習(xí)研究.pdf
- 距離度量學(xué)習(xí)中的類別不平衡問題研究.pdf
- 類不平衡學(xué)習(xí)中基于欠采樣技術(shù)的鑒別分析算法研究與應(yīng)用.pdf
- 綜合過采樣和欠采樣的不平衡數(shù)據(jù)集的學(xué)習(xí)研究.pdf
- 基于均衡采樣方法的數(shù)據(jù)不平衡問題研究.pdf
- SMOTE不平衡數(shù)據(jù)過采樣算法的改進(jìn)與應(yīng)用.pdf
- 類別不平衡數(shù)據(jù)的集成分類研究.pdf
- 基于粗糙集的不平衡數(shù)據(jù)采樣方法研究.pdf
- 基于鑒別分析的類不平衡學(xué)習(xí).pdf
- 基于集成學(xué)習(xí)的不平衡數(shù)據(jù)分類.pdf
- 基于不平衡學(xué)習(xí)的運(yùn)動目標(biāo)檢測的研究.pdf
- 不平衡數(shù)據(jù)集分類算法的研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的不平衡數(shù)據(jù)分類算法與應(yīng)用.pdf
- 基于不平衡數(shù)據(jù)集的決策樹算法研究.pdf
- 基于Fisher判別技術(shù)的不平衡數(shù)據(jù)分類算法研究.pdf
- 不平衡數(shù)據(jù)分類和極限學(xué)習(xí)機(jī)算法研究.pdf
- 面向不平衡樣本的Boosting分類算法研究.pdf
- 針對類別不平衡和代價敏感分類問題的特征選擇和分類算法.pdf
- 基于不平衡數(shù)據(jù)集的數(shù)據(jù)挖掘分類算法研究.pdf
評論
0/150
提交評論