多类类别不平衡学习算法：EasyEnsemble . M

摘要：

随机欠采样方法忽略潜在有用的大类样本信息,在面对多类分类问题时更为突出.文中提出多类类别不平衡学习算法：EasyEnsemble. M.该算法通过多次针对大类样本随机采样,充分利用被随机欠采样方法忽略的潜在有用的大类样本,学习多个子分类器,利用混合的集成技术最终得到性能较优的强分类器.实验结果表明,与常用的多类类别不平衡学习算法相比,EasyEnsemble. M可有效提高分类器的G-mean值.

关键词：机器学习、类别不平衡学习、欠采样、集成

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目61105046;教育部高等学校博士学科点专项科研基金项目20110092120029;南京大学软件新技术国家重点实验室开放课题项目KFKT2011B01

在线出版日期：2014-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：187-192