10.3778/j.issn.1673-9418.1403064
二次集成学习在医疗数据挖掘中的应用
CCDM 2014数据挖掘竞赛基于医学诊断数据,提出了实际生活中广泛出现的多类标问题和多类分类问题。针对两个问题出现的类别不平衡现象以及训练样本较少等特点,为了更好地完成数据挖掘任务,借助二次学习和集成学习的思想,提出了一个新的学习框架--二次集成学习。该学习框架通过首次集成学习得到若干置信度较高的样本,将其加入到原始训练集,并在新的训练集上进行二次学习,进而得到泛化性能更高的分类器。竞赛结果表明,与常用的集成学习相比,二次集成学习在两个问题上均取得了非常理想的结果。
二次学习、集成学习、类别不平衡学习、数据挖掘
TP391(计算技术、计算机技术)
The National Natural Science Foundation of China under Grant Nos.61273301,61105043;the Natural Science Foundation of Jiangsu Province of China under Grant No. BK2011566
2014-09-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
1113-1119