多类类别不平衡学习算法:EasyEnsemble.M

作者：李倩倩; 刘胥影

来源：模式识别与人工智能, 2014, 27(02): 187-192.

DOI：10.16451/j.cnki.issn1003-6059.2014.02.013

• 机器学习
• 类别不平衡学习
• 欠采样
• 集成

随机欠采样方法忽略潜在有用的大类样本信息,在面对多类分类问题时更为突出.文中提出多类类别不平衡学习算法:EasyEnsemble.M.该算法通过多次针对大类样本随机采样,充分利用被随机欠采样方法忽略的潜在有用的大类样本,学习多个子分类器,利用混合的集成技术最终得到性能较优的强分类器.实验结果表明,与常用的多类类别不平衡学习算法相比,EasyEnsemble.M可有效提高分类器的G-mean值.

• 单位
  计算机软件新技术国家重点实验室; 南京大学; 东南大学