典型文献
基于Adaboost算法的不平衡数据集分类效果研究
文献摘要：
在不平衡数据集中,由于少类样本和多类样本的不平衡,在分类过程中容易产生难以分类和错误分类的现象.针对不平衡数据集的分类特点,设计出一种组合分类器,适用于不平衡数据集的分类.通过SMOTE算法采样对不平衡数据集进行一个预处理,采用单层决策树作为基本分类器,利用Matlab编程,构建Adaboost算法分类器,对demo、heart和usps数据集进行训练集和测试集分析.结果表明,通过Adaboost算法可以有效提高分类效果,算法中通过改变正类样本的权值,从而重视对少类样本的分类,在一定程度上能够提高整体的分类效果,实现不平衡数据集的分类设计.
文献关键词：
不平衡数据集;Adaboost算法;单层决策树;基本分类器
中图分类号：
作者姓名：
董庆伟
作者机构：
闽南理工学院信息管理学院,福建 石狮 362700
文献出处：
引用格式：
[1]董庆伟-.基于Adaboost算法的不平衡数据集分类效果研究)[J].长春师范大学学报,2022(06):49-52
A类：
usps
B类：
Adaboost,不平衡数据集,分类效果,分类过程,误分类,SMOTE,单层决策树,基本分类器,Matlab,算法分类,demo,heart,训练集,测试集,权值
AB值：
0.226113
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。
