ICPRai 2018 SI：面向多类不平衡学习的动态集成选择与数据预处理
机器学习
2018-11-30 v2 机器学习
摘要
类不平衡指的是某些类的样本实例远多于其他类的分类问题。此类不平衡数据集需要特别关注，因为传统分类器通常偏向具有大量样本的多数类。已有报道表明分类器集成能取得有前景的结果。然而，应用于不平衡学习的集成方法多为静态集成，且仅处理二分类不平衡问题。因此，本文对用于处理多类不平衡问题的动态选择技术与数据预处理方法进行了实证分析。我们考虑了五种预处理变体及十四种动态选择方案。在 26 个多类不平衡问题上的实验表明，与静态集成相比，动态集成提升了 AUC 与 G-mean。此外，数据预处理在此类情形中起着重要作用。
引用
@article{arxiv.1811.10481,
title = {ICPRAI 2018 SI: On dynamic ensemble selection and data preprocessing for multi-class imbalance learning},
author = {Rafael M. O. Cruz and Mariana A. Souza and Robert Sabourin and George D. C. Cavalcanti},
journal= {arXiv preprint arXiv:1811.10481},
year = {2018}
}
备注
Manuscript of the extended journal version of arXiv:1803.03877. This manuscript was accepted for publication in the IJPRAI as a Special Issue paper