-
题名基于留一交叉验证的类不平衡危害预评估策略
被引量：5
- 1
-
-
作者
于化龙
倪军
徐森
-
机构
江苏科技大学计算机科学与工程学院
爱荷华大学卡佛医学院
盐城工学院信息工程系
-
出处
《小型微型计算机系统》
CSCD
北大核心
2012年第10期2287-2292,共6页
-
基金
国家自然科学基金项目(61105057)资助
江苏科技大学引进人才科研启动项目(35301002)资助
-
文摘
近年来,类不平衡问题已逐渐成为人工智能﹑机器学习和数据挖掘等领域的研究热点,目前已有大量实用有效的方法.然而,近期的研究结果却表明,并非所有的不平衡数据分类任务都是有害的,在无害的任务上采用类不平衡学习算法将很难提高,甚至会降低分类的性能,同时可能大幅度增加训练的时间开销.针对此问题,提出了一种危害预评估策略.该策略采用留一交叉验证法(LOOCV,Leave-one-out cross validation)测试训练集的分类性能,并据此计算一种称为危害测度(HM,Harmful-ness Measure)的新指标,用以量化危害的大小,从而为学习算法的选择提供指导.通过8个类不平衡数据集对所提策略进行了验证,表明该策略是有效和可行的.
-
关键词
类不平衡
留一交叉验证
危害测度
预评估
-
Keywords
class imbalance
leave-one-out cross validation
harmfulness measure
pre-evaluation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
