基于Hellinger距离加权的集成方法用于不平衡数据流分类
计算机视觉与模式识别
2021-02-02 v1
摘要
不平衡数据分类仍是一个重要问题。关键在于找到能正确分类少数类与多数类的方法。本文提出一种分类器集成方法，用于二分类、非平稳且不平衡的数据流分类，其中使用Hellinger距离对集成进行剪枝。本文包含基于所进行实验的该方法实验评估。第一个实验检验基分类器类型对分类质量的影响。在第二个实验中，使用基于两种基分类器的统计检验将Hellinger距离加权集成（HDWE）方法与选定的前沿方法进行比较。该方法在众多不平衡数据流上得到深入测试，所得结果证明了HDWE方法的有效性。
引用
@article{arxiv.2102.00266,
title = {Hellinger Distance Weighted Ensemble for Imbalanced Data Stream Classification},
author = {Joanna Grzyb and Jakub Klikowski and Michał Woźniak},
journal= {arXiv preprint arXiv:2102.00266},
year = {2021}
}