首页 | 本学科首页   官方微博 | 高级检索  
     检索      

一种适应于不平衡数据集的改进TANC算法
引用本文:赵小强,杨佳敏.一种适应于不平衡数据集的改进TANC算法[J].兰州理工大学学报,2014,40(5):86-89.
作者姓名:赵小强  杨佳敏
作者单位:1. 兰州理工大学电气工程与信息工程学院,甘肃兰州730050;甘肃省工业过程先进控制实验室,甘肃兰州730050
2. 兰州理工大学电气工程与信息工程学院,甘肃兰州,730050
基金项目:国家自然科学基金,甘肃省自然科学基金,甘肃省高校基本科研项目
摘    要:传统的分类方法对不平衡数据集进行分类时对数据集中少数类的分类准确率不高,而少数类往往对结果的影响尤为重要.为此提出一种适应于不平衡数据集的改进树扩展型朴素贝叶斯(TANC)算法,该算法首先利用Relief算法对样本中的少数类进行权重分配,然后通过训练数据集,使缺失数据补齐,并通过将属性分割成多个有限区间,使连续数据离散化,将修改后的训练集用以训练TANC,最后通过TANC算法对数据集进行分类.基于UCI标准数据集上的实验结果表明,该算法的整体性能优于TANC算法.

关 键 词:机器学习  不平衡数据集  TANC算法  Relief算法

An improved TANC algorithm adapted to unbalanced data sets
ZHAO Xiao-qiang,YANG Jia-min.An improved TANC algorithm adapted to unbalanced data sets[J].Journal of Lanzhou University of Technology,2014,40(5):86-89.
Authors:ZHAO Xiao-qiang  YANG Jia-min
Institution:ZHAO Xiao-qiang;YANG Jia-min;College of Electrical and Information Engineering,Lanzhou Univ.of Tech.;Gansu Laboratory of Advanced Control of Industrial Processes;
Abstract:
Keywords:machine learning  unbalanced data sets  TANC algorithm  Relief algorithm
本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号