前一项后一项

本作品采用知识共享"署名-非商业使用-禁止演绎 2.5 中国大陆"许可协议授权

不平衡类别的机器学习

作者：燕继坤提交人：yanjk （2004年10月28日 周四）类型：book chapter （Chinese）引用网址：http://www.qiji.cn/eprint/abs/1701.html注释：全文被作者撤回，如感兴趣，请直接与作者联系：yan_jk@sina.com

摘要/内容：传统机器学习中通常隐含地假设所研究的问题是类别平衡的，很多应用并不满足这个假设，这些应用中往往需要预测重要而稀少的正类（少数类）。传统机器学习以精度最大化为目标，在遇到不平衡类别问题时，容易训练出把所有实例都分为反类（多数类）的平凡分类器。不平衡类别是妨碍机器学习被广泛使用的原因之一，近年来这个问题才引起关注。为了寻找对不平衡类别有很好适应性的学习算法，以精度的几何平均（GMA）作为分类器的设计目标。主要用UCI 机器学习数据集中的一些数据进行实验。

关键词：机器学习，不平衡类别，综合学习，SVM

全文/附件：TXT下载评论/打分：给资料打分10.00(1票)/发表评论/前一项 /后一项

推荐阅读：Inverse Eigenvalue…[章节]Numerical methods for…[期刊]规范场论(春季)[讲义]一个新的足球烯家族[书籍]q-deformations of quantum …[期刊]