利用互信息和不同类型熵的改进 SMOTE 方法
机器学习
2018-04-04 v1 人工智能
机器学习
摘要
SMOTE 是用于平衡数据集的过采样技术之一，被视为学习算法中的预处理步骤。本文提出了四种新的增强 SMOTE 方法，其中包括 KNN 的改进版本：首先通过互信息定义属性权重，随后将其替换为最大熵、Renyi 熵和 Tsallis 熵。这四种预处理方法与 1NN 和 J48 分类器相结合，并在来自 KEEL 库的 11 个不平衡数据集上将其性能与先前的方法进行了比较。结果表明，与先前已确立的工作相比，这些预处理方法提高了准确率。此外，作为案例研究，将第一种预处理方法应用于伊朗 Tehran-Bazargan 高速公路的交通数据，其 IR 为 36。
引用
@article{arxiv.1803.11002,
title = {Modified SMOTE Using Mutual Information and Different Sorts of Entropies},
author = {Sima Sharifirad and Azra Nazari and Mehdi Ghatee},
journal= {arXiv preprint arXiv:1803.11002},
year = {2018}
}
备注
10 Pages, 4 Tables, 8 Figures, Extracted from an MSc project with Department of Computer Science, Amirkabir University of Technology, Tehran, Iran