前一项 后一项

本作品采用知识共享 "署名-非商业使用-禁止演绎 2.5 中国大陆" 许可协议授权

不平衡类别的机器学习

作者：燕继坤
提交人：yanjk （2004年10月28日 周四）
类型：book chapter （Chinese）
引用网址：http://www.qiji.cn/eprint/abs/1701.html
注释：全文被作者撤回，如感兴趣，请直接与作者联系：yan_jk@sina.com

摘要/内容： 传统机器学习中通常隐含地假设所研究的问题是类别平衡的，很多应用并不满足这个假设，这些应用中往往需要预测重要而稀少的正类（少数类）。传统机器学习以精度最大化为目标，在遇到不平衡类别问题时，容易训练出把所有实例都分为反类（多数类）的平凡分类器。不平衡类别是妨碍机器学习被广泛使用的原因之一，近年来这个问题才引起关注。

为了寻找对不平衡类别有很好适应性的学习算法，以精度的几何平均（GMA）作为分类器的设计目标。主要用UCI 机器学习数据集中的一些数据进行实验。

关键词： 机器学习，不平衡类别，综合学习，SVM

全文/附件： TXT下载
评论/打分： 给资料打分 10.00 (1票) / 发表评论 / 前一项  / 后一项

推荐阅读：
Inverse Eigenvalue… [章节]
Numerical methods for… [期刊]
规范场论(春季) [讲义]
一个新的足球烯家族 [书籍]
q-deformations of quantum … [期刊]