关于食品安全谣言的文本数据是极其典型的不平衡数据集之一，而传统机器学习算法对于不平衡数据少数类的分类精度较低。动态选择是评估分类器池中每个分类器对测试样本局部区域进行预测的能力，根据对于预测能力的评估，为每个测试样本选择分类器子集的方法。提出一种针对多类不平衡数据集的动态选择方法DCS-MI,并进行了广泛的实验。与一些最先进的动态选择技术相比，该方法提高了对不平衡数据集的分类性能，并能够在食品领域谣言分类问题上得到很好的应用。
科研之友
微信
新浪微博
Facebook
分享链接
