典型文献
不平衡多分类算法综述
文献摘要：
不平衡数据分类是机器学习领域的重要研究内容,但现有的不平衡分类算法通常针对不平衡二分类问题,关于不平衡多分类的研究相对较少.然而实际应用中的数据集通常具有多类别且数据分布具有不平衡性,而类别的多样性进一步加剧了不平衡数据的分类难度,因此不平衡多分类问题已经成为亟待解决的研究课题.针对近年来提出的不平衡多分类算法展开综述,根据是否采用分解策略把不平衡多分类算法分为分解方法和即席方法,并进一步将分解方法按照分解策略的不同划分为"一对一(OVO)"架构和"一对多(OVA)"架构,将即席方法按照处理技术的不同分为数据级方法、算法级方法、代价敏感方法、集成方法和基于深度网络的方法.系统阐述各类方法的优缺点及其代表性算法,总结概括不平衡多分类方法的评价指标,并通过实验深入分析代表性方法的性能,讨论了不平衡多分类的未来发展方向.
文献关键词：
不平衡分类;多类别分类;不平衡多分类;分类算法;机器学习
中图分类号：
作者姓名：
李蒙蒙;刘艺;李庚松;郑奇斌;秦伟;任小广
作者机构：
军事科学院 国防科技创新研究院,北京 100071;军事科学院,北京 100091
文献出处：
引用格式：
[1]李蒙蒙;刘艺;李庚松;郑奇斌;秦伟;任小广-.不平衡多分类算法综述)[J].计算机应用,2022(11):3307-3321
A类：
不平衡多分类
B类：
分类算法,不平衡数据分类,学习领域,不平衡分类,二分类问题,数据分布,不平衡性,多分类问题,研究课题,算法展开,分解方法,即席,一对一,OVO,OVA,代价敏感,集成方法,深度网络,分类方法,多类别分类
AB值：
0.246391
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。
