利用可信反事实的不平衡数据过采样方法OA北大核心CSTPCD
Oversampling Method for Imbalanced Data Using Credible Counterfactual
针对传统过采样方法不能充分利用数据集信息的缺陷,提出一种基于反事实(counterfactual,CF)的不平衡数据过采样方法,并进一步对生成的少数类合成样本进行了"可信"清除.其核心思想是依据数据集原有实例特征值合成新样本,相比传统过采样的插值法,更能充分挖掘数据中的边界决策信息,从而为分类器提供更多的有用信息,提高分类性能.在9个来自KEEL与UCI的不平衡数据集、5种不同分类器(SVM、DT、Logistic、RF、AdaBoost)上与4…查看全部>>
A new method for imbalanced data sets on counterfactual is proposed(counterfactual,CF),and further removes the"incredibility"composite samples,which aims to solve the problem of the traditional sampling method that cannot make full use of the data set information.Its core idea is to synthesize new samples based on the original instance features of the dataset.Compared with the traditional oversampling interpolation method,it can fully mine the boundary decis…查看全部>>
高峰;宋媚;祝义
江苏师范大学 计算机科学与技术学院,江苏 徐州 221000江苏师范大学 计算机科学与技术学院,江苏 徐州 221000江苏师范大学 计算机科学与技术学院,江苏 徐州 221000
计算机与自动化
不平衡数据集分类器过采样反事实(CF)
imbalanced dataclassifiersoversamplingcounterfactual(CF)
《计算机工程与应用》 2024 (5)
面向机器人编程教育的适应性学习特征建模与应用研究
165-171,7
国家自然科学基金(No.62077029,71503108,61902161)江苏师范大学研究生科研创新项目(2022XKT1554).
评论