版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、社會的進步,科學的發(fā)展,給人們生活帶來了日新月異的變化。與此同時各種數據信息的不斷積累,在方便人們的同時,也帶來了新的挑戰(zhàn)。如何從這些大量數據中發(fā)現有用信息成為當前急需解決的迫切問題。機器學習的出現為解決上述挑戰(zhàn)提供了一種有效的手段,其中的分類學習特別是二分類學習由于在眾多領域的廣泛應用更是成為當前的研究熱點。然而在現實的生活中,很多應用(如網絡搜索引擎、個性化推薦系統(tǒng)等)都是不平衡二分類問題,且具有數據維度高的特點,已有面向小數據的傳
2、統(tǒng)二分類算法很難直接應用在上述問題中。對此,近些年有學者提出研究直接優(yōu)化不平衡準則的稀疏二分類模型構造算法,并取得了較好的效果。但這些研究考慮的不平衡準則都是AUC或F1等簡單易分解的標準,對于其他較復雜的不平衡準則,如何獲得相應的稀疏模型,則研究較少。本文就是在這樣的背景下,主要研究了面向復雜不平衡準則的稀疏模型構造算法。
全文的主要工作如下:
(1)文中從二分類學習入手,首先介紹了傳統(tǒng)二分類和不平衡二分類在評估準
3、則的差異,然后總結了面向不平衡二分類算法的研究現狀,重點分析了不平衡稀疏模型構造算法的進展,在此基礎上,提出研究基于L1范式的復雜不平衡稀疏模型構造算法。
(2)不同于已有不平衡稀疏模型構造算法多關注AUC或F1等簡單準則,本文研究了面向復雜不可分QM準則的稀疏模型構造算法。算法首先定義了基于QM的新目標函數,針對該目標非光滑難以直接優(yōu)化,提出使用割平面算法進行求解,不僅解決上述問題,且算法的外圍迭代次數僅為O(1/ε)。不平
4、衡基準數據集上的實驗結果表明,當用QM為評價標準時,本文提出的算法不僅有很好的精度還有較高的稀疏度。
(3)針對已有不平衡稀疏模型構造算法都采用批學習,當面對大規(guī)模數據集時,計算效率較差,本文提出一種基于隨機學習的稀疏模型構造算法。更具體的說,我們關注的不是某一個具體的不平衡標準,而是具有一類通用特性(如偽線性)的評價準則。文中首先將直接優(yōu)化偽線性準則問題變成一個代價敏感問題。針對新問題,如果直接使用隨機梯度法求解難以獲得滿意
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 面向不平衡分類的邏輯回歸算法.pdf
- 面向不平衡樣本的Boosting分類算法研究.pdf
- 面向不平衡數據集的分類算法研究.pdf
- 基于粗糙集理論的特征選擇算法在二分類不平衡樣本中的應用.pdf
- 面向不平衡數據集分類的層次引力模型研究.pdf
- 不平衡數據集分類算法的研究.pdf
- 面向不平衡數據的特征選擇與半監(jiān)督分類算法研究.pdf
- 面向流數據的不平衡樣本分類研究.pdf
- 關聯(lián)分類改進及不平衡數據分類算法研究.pdf
- 關于不平衡缺失數據的分類算法研究.pdf
- 面向類分布不平衡數據的組合分類器剪枝方法的研究.pdf
- 不平衡數據分類問題研究.pdf
- 面向不平衡數據的支持向量機分類方法研究.pdf
- 一種基于混合模型的不平衡數據分類算法的研究.pdf
- 基于少數類樣本重組的不平衡數據分類研究.pdf
- 數據不平衡分類問題研究.pdf
- 基于Fisher判別技術的不平衡數據分類算法研究.pdf
- 面向不平衡數據分類問題的核邏輯回歸算法的設計與實現.pdf
- 針對類內不平衡樣本分類方法的研究.pdf
- 二分類多水平統(tǒng)計模型的應用.pdf
評論
0/150
提交評論