不均衡数据集中基于Adaboost的过抽样算法

被引：13

作者：

韩慧 ^{[1
]}

王文渊 ^{[1
]}

毛炳寰 ^{[2
]}

机构：

[1] 清华大学自动化系

[2] 中央财经大学统计系

来源：

计算机工程 | 2007年 / 10期

关键词：

不均衡数据集; 过抽样; 提升算法;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

为了提高不均衡数据集中少数类的分类性能,该文融合了提升和过抽样的优点,提出了基于提升算法Adaboost的过抽样算法MCMO-Boost,并且将其与决策树算法C4.5、提升算法Adaboost和过抽样算法SMOTE进行了实验比较与分析。结果表明,MCMO-Boost算法在少数类和数据集的总体分类性能方面都优于其它算法。

引用

页码：207 / 209

页数：3