典型文献
MetaCost与重采样结合的不平衡分类算法——RS-MetaCost
文献摘要：
不平衡分类是当今机器学习中的研究热点与难点.为提高不平衡数据的分类效果,提出MetaCost与重采样结合的不平衡分类算法——RS-MetaCost.首先在MetaCost划分子集前对不平衡数据集进行重采样,即过采样少数类或欠采样多数类,以降低或消除数据不平衡程度;其次在预测概率阶段,利用m-estimation提高少数类预测概率.采用6组模拟数据集与10组实例数据集,将RS-MetaCost与经典算法进行比较实验.结果表明,在大多数数据集上,RS-MetaCost在保证整体分类精度很高的前提下,还能提高少数类的分类精度,且过采样下的RS-MetaCost优于欠采样下的RS-MetaCost.
文献关键词：
不平衡分类;MetaCost;重采样;m-estimation
中图分类号：
作者姓名：
邹春安;王嘉宝;付光辉
作者机构：
昆明理工大学理学院,云南昆明650500
文献出处：
引用格式：
[1]邹春安;王嘉宝;付光辉-.MetaCost与重采样结合的不平衡分类算法——RS-MetaCost)[J].软件导刊,2022(03):34-41
A类：
MetaCost
B类：
重采样,不平衡分类,分类算法,RS,分类效果,子集,不平衡数据集,过采样,少数类,欠采样,除数,数据不平衡,estimation,模拟数据,比较实验,数数,整体分类,分类精度
AB值：
0.234889
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
