A Novel Selective Ensemble Algorithm for Imbalanced Data Classification Based on Exploratory Undersampling
المؤلفون المشاركون
Ji, Nan-Nan
Zhang, Chun-Xia
Zhang, Jiang-She
Yin, Qing-Yan
المصدر
Mathematical Problems in Engineering
العدد
المجلد 2014، العدد 2014 (31 ديسمبر/كانون الأول 2014)، ص ص. 1-14، 14ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2014-03-30
دولة النشر
مصر
عدد الصفحات
14
التخصصات الرئيسية
الملخص EN
Learning with imbalanced data is one of the emergent challenging tasks in machine learning.
Recently, ensemble learning has arisen as an effective solution to class imbalance problems.
The combination of bagging and boosting with data preprocessing resampling, namely, the simplest and accurate exploratory undersampling, has become the most popular method for imbalanced data classification.
In this paper, we propose a novel selective ensemble construction method based on exploratory undersampling, RotEasy, with the advantage of improving storage requirement and computational efficiency by ensemble pruning technology.
Our methodology aims to enhance the diversity between individual classifiers through feature extraction and diversity regularized ensemble pruning.
We made a comprehensive comparison between our method and some state-of-the-art imbalanced learning methods.
Experimental results on 20 real-world imbalanced data sets show that RotEasy possesses a significant increase in performance, contrasted by a nonparametric statistical test and various evaluation criteria.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Yin, Qing-Yan& Zhang, Jiang-She& Zhang, Chun-Xia& Ji, Nan-Nan. 2014. A Novel Selective Ensemble Algorithm for Imbalanced Data Classification Based on Exploratory Undersampling. Mathematical Problems in Engineering،Vol. 2014, no. 2014, pp.1-14.
https://search.emarefa.net/detail/BIM-465658
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Yin, Qing-Yan…[et al.]. A Novel Selective Ensemble Algorithm for Imbalanced Data Classification Based on Exploratory Undersampling. Mathematical Problems in Engineering No. 2014 (2014), pp.1-14.
https://search.emarefa.net/detail/BIM-465658
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Yin, Qing-Yan& Zhang, Jiang-She& Zhang, Chun-Xia& Ji, Nan-Nan. A Novel Selective Ensemble Algorithm for Imbalanced Data Classification Based on Exploratory Undersampling. Mathematical Problems in Engineering. 2014. Vol. 2014, no. 2014, pp.1-14.
https://search.emarefa.net/detail/BIM-465658
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-465658
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