• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information Science and Technology >Two-Dimensional-Reduction Random Forest
【24h】

Two-Dimensional-Reduction Random Forest

机译：二维减少随机森林

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Random forest (RF) is a competitive machine learning theorem, while one of the big challenges for it is imbalanced real-world data. A Two-dimensional-reduction RF (2DRRF) is presented in this paper, which is optimized based on traditional RF and three innovation points as follows. To improve RF in terms of performance on imbalanced data, a two-dimensional-reduction approach is created. Then, a modified T-link is proposed focusing on detecting and reducing safe samples. Moreover, a biased sampling manner is employed to build up optimal training datasets. Across 13 imbalanced datasets from KEEL-dataset with imbalance-ratio ranging from 6.38 to 129.44, experiments are carried out indicating that 2DRRF steadily holds advantages over the other two relevant implementations of RF in terms of accuracy, recall, precision and F-value.
机译：随机森林（rf）是一个竞争力的机器学习定理，而这是它的大挑战之一是现实世界数据的不平衡。本文提出了一种二维减少的RF（2DRRF），其基于传统的RF和三个创新点优化，如下所示。为了在性能上改进RF，在不平衡数据的性能方面，创建了二维减少方法。然后，提出了一种修改的T-Link，其专注于检测和减少安全样品。此外，采用偏置采样方式来建立最佳训练数据集。在13个不平衡数据集中，来自6.38至129.44的不平衡比率的龙骨数据集，实验表明2DRRF在准确性，召回，精度和F值方面，2DRRF稳定地保持了RF的其他两个相关实施。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号