面向不平衡数据的多样性感知加权多数投票分类器
机器学习
2020-04-17 v1 机器学习
摘要
本文提出一种基于多样性感知集成学习的算法，称为DAMVI，用于处理不平衡二分类任务。具体而言，在学习基分类器后，该算法 i) 提高那些被均匀加权基分类器“难以”分类的正例（少数类）的权重；以及 ii) 随后通过优化考虑分类器间准确率与多样性的PAC-Bayesian C-Bound来学习基分类器上的权重。我们在预测性维护、信用卡欺诈检测、网页分类和医疗应用等任务上，针对最先进模型展示了所提方法的有效性。
引用
@article{arxiv.2004.07605,
title = {Diversity-Aware Weighted Majority Vote Classifier for Imbalanced Data},
author = {Anil Goyal and Jihed Khiari},
journal= {arXiv preprint arXiv:2004.07605},
year = {2020}
}