A Cost-Sensitive Ensemble Method for Class-Imbalanced Datasets
المؤلفون المشاركون
المصدر
العدد
المجلد 2013، العدد 2013 (31 ديسمبر/كانون الأول 2013)، ص ص. 1-6، 6ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2013-04-16
دولة النشر
مصر
عدد الصفحات
6
التخصصات الرئيسية
الملخص EN
In imbalanced learning methods, resampling methods modify an imbalanced dataset to form a balanced dataset.
Balanced data sets perform better than imbalanced datasets for many base classifiers.
This paper proposes a cost-sensitive ensemble method based on cost-sensitive support vector machine (SVM), and query-by-committee (QBC) to solve imbalanced data classification.
The proposed method first divides the majority-class dataset into several subdatasets according to the proportion of imbalanced samples and trains subclassifiers using AdaBoost method.
Then, the proposed method generates candidate training samples by QBC active learning method and uses cost-sensitive SVM to learn the training samples.
By using 5 class-imbalanced datasets, experimental results show that the proposed method has higher area under ROC curve (AUC), F-measure, and G-mean than many existing class-imbalanced learning methods.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Zhang, Yong& Wang, Dapeng. 2013. A Cost-Sensitive Ensemble Method for Class-Imbalanced Datasets. Abstract and Applied Analysis،Vol. 2013, no. 2013, pp.1-6.
https://search.emarefa.net/detail/BIM-453676
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Zhang, Yong& Wang, Dapeng. A Cost-Sensitive Ensemble Method for Class-Imbalanced Datasets. Abstract and Applied Analysis No. 2013 (2013), pp.1-6.
https://search.emarefa.net/detail/BIM-453676
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Zhang, Yong& Wang, Dapeng. A Cost-Sensitive Ensemble Method for Class-Imbalanced Datasets. Abstract and Applied Analysis. 2013. Vol. 2013, no. 2013, pp.1-6.
https://search.emarefa.net/detail/BIM-453676
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-453676
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر