基于动态集成处理的不平衡数据流分类
机器学习
2023-09-29 v2 人工智能
摘要
现代流数据分类面临着概念漂移与类不平衡数据的重大挑战。这对分类器的输出产生负面影响,导致分类不当。此外,多类重叠等其他因素限制了输出正确性的程度。本工作提出了一种集成数据预处理与动态集成选择的新框架,通过为非平稳漂移不平衡数据流构建分类框架,采用数据预处理与动态集成选择技术。所提框架使用六个人工生成、具有不同不平衡比例并结合两类不同概念漂移的数据流进行了评估。每个流由 200 个块组成,每块 500 个对象,由八个特征描述,并包含五个概念漂移。考虑了七种预处理技术与两种动态集成选择方法。实验结果表明,数据预处理结合动态集成选择(Dynamic Ensemble Selection)技术在处理不平衡数据流时显著提升了准确率。
引用
@article{arxiv.2309.09175,
title = {Imbalanced Data Stream Classification using Dynamic Ensemble Selection},
author = {Priya. S and Haribharathi Sivakumar and Vijay Arvind. R},
journal= {arXiv preprint arXiv:2309.09175},
year = {2023}
}
备注
Made an error in the research and need to rectify it