已閱讀1頁，還剩47頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領
文檔簡介
1、非平衡數(shù)據(jù)集是指在同一數(shù)據(jù)集中，某一類的樣例數(shù)遠遠小于其它類的樣例數(shù)，它廣泛存在于日常生活中。少數(shù)類雖然在數(shù)量上處于劣勢，但卻往往是被關注的重點，如醫(yī)療診斷問題等。由于少數(shù)類的數(shù)量劣勢以及往往被多數(shù)類所包圍，倘若利用傳統(tǒng)的分類方法對非平衡數(shù)據(jù)集進行分類，往往會出現(xiàn)對多數(shù)類的分類正確率很高，而對于少數(shù)類的分類正確率很低的現(xiàn)象。因此，傳統(tǒng)的分類方法對于非平衡數(shù)據(jù)集的分類能力是有限的，并不能達到我們預期的分類效果。
SMOTE方法是
2、Chawla等人提出的一種過采樣方法，在相距較近的少數(shù)類之間人工插入實例來增加少數(shù)類實例，以平衡化數(shù)據(jù)集。但是，按照SMOTE方法進行線性插值合成新的樣例后，得到的新的少數(shù)類實例只能分布在原少數(shù)類實例之間的線段中，嚴格的限制了新生成的少數(shù)類實例的分布范圍。為了消除這種限制，本文提出了一種新的過采樣方法R-SMOTE，它可以在少數(shù)類實例與其最近鄰少數(shù)類實例構(gòu)成的n維球體空間內(nèi)進行過采樣，改進數(shù)據(jù)集的不平衡程度。最后通過極限學習機在平衡化的
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)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
- 不平衡數(shù)據(jù)集分類的Random-SMOTE方法研究.pdf
- 基于近鄰準則的非平衡數(shù)據(jù)集分類方法研究.pdf
- 非平衡數(shù)據(jù)下的核方法分類研究.pdf
- 基于非平衡數(shù)據(jù)的生物文獻分類研究.pdf
- 面向文本情感分類的非平衡數(shù)據(jù)采樣方法研究.pdf
- 基于多核函數(shù)SVM的非平衡數(shù)據(jù)分類研究.pdf
- 基于MapReduce的非平衡大數(shù)據(jù)集分類.pdf
- 基于非平衡數(shù)據(jù)分類的貸款違約預測研究.pdf
- 基于混合采樣的非平衡數(shù)據(jù)集分類研究.pdf
- 基于聚類融合投票和SVM的非平衡數(shù)據(jù)分類方法研究.pdf
- 基于不平衡數(shù)據(jù)的分類方法研究.pdf
- 基于不平衡數(shù)據(jù)的情感分類方法研究.pdf
- 腦卒中類型與復發(fā)的Logistic回歸預測及SMOTE算法處理非平衡臨床數(shù)據(jù).pdf
- 基于集成學習的非平衡數(shù)據(jù)集分類問題的研究.pdf
- 基于關聯(lián)規(guī)則的不平衡數(shù)據(jù)分類方法研究.pdf
- 非平衡數(shù)據(jù)集分類方法研究及其在電信行業(yè)中的應用.pdf
- 剪枝和網(wǎng)格采樣相結(jié)合的非平衡數(shù)據(jù)集分類方法.pdf
- 基于免疫系統(tǒng)的不平衡數(shù)據(jù)分類方法研究.pdf
- 剪枝和網(wǎng)格采樣相結(jié)合的非平衡數(shù)據(jù)集分類方法
- 非平衡數(shù)據(jù)集分類算法及其應用.pdf
評論
0/150
提交評論