非平衡数据集Fisher线性判别模型

被引：17

作者：

谢纪刚

裘正定

机构：

[1] 北京交通大学计算机与信息技术学院

来源：

北京交通大学学报 | 2006年 / 05期

基金：

浙江省自然科学基金;

关键词：

非平衡数据集; Fisher线性判别; ROC曲线下面积(AUC);

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

非平衡数据是指两类问题中正类样本与负类样本个数不相等,甚至相比悬殊.非平衡数据集会导致许多分类器的性能下降,这与分类器的构造原理有关.本文首先阐述了Fisher线性判别的分类机制,指出当两类样本的协方差矩阵不同时,样本不平衡会导致Fisher线性判别的性能下降.在此基础上,提出了一种加权Fisher线性判别(WFLD),以减小样本不平衡的影响.然后,从UCI中选择了8个非平衡数据集,并采用ROC曲线下面积作为评估指标进行比较,实验结果证明了WFLD模型的有效性.

引用

页码：15 / 18

页数：4

共 5 条

[1] 样本数目不对称时的SVM模型
肖健华
吴今培
[J]. 计算机科学, 2003, (02) : 165 - 167
[2] 模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
[3] Machine Learning for the Detection of Oil Spills in Satellite Radar Images[J] . Miroslav Kubat,Robert C. Holte,Stan Matwin.Machine Learning . 1998 (2)
[4] The use of the area under the roc curve in the evaluation of machine learning algorithms
Bradley, AP
[J]. PATTERN RECOGNITION, 1997, 30 (07) : 1145 - 1159
[5] ROC Graphs:Notes and Practical Considera-tions for Researchers[R/OL] .2 Fawcett T. Tech.Report HPL20034 . 2003

← 1 →