不平衡数据的迁移学习分类算法 |
| |
引用本文: | 陈琼,徐洋洋,陈林清.不平衡数据的迁移学习分类算法[J].华南理工大学学报(自然科学版),2018(1). |
| |
作者姓名: | 陈琼 徐洋洋 陈林清 |
| |
作者单位: | 华南理工大学计算机科学与工程学院 |
| |
摘 要: | 以Tr Adaboost算法为基础,提出了一个针对不平衡数据的二分类迁移学习算法Unbalanced Tr Adaboost(UBTA).UBTA算法利用不同类别的Precision-Recall曲线下的面积auprc(the Area Under the Precision-Recall Curve)计算弱分类器权重,对不同类别的样本采取不同的权重更新策略;AUC指标对数据分布变化不敏感,结合G-mean和BER能更准确地评估不平衡分类算法的性能.实验结果表明,UBTA具有较好的分类性能,既能提升对少数类的关注,又能保持多数类的分类准确度.
|
本文献已被 CNKI 等数据库收录! |
|