• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IAAI-12;Innovative applications of artificial intelligence conference;AAAI conference on artificial intelligence;Symposium on educational advances in artificial intelligence;AAAI-12;EAAI-12 >An Investigation of Sensitivity on Bagging Predictors: An Empirical Approach
【24h】

An Investigation of Sensitivity on Bagging Predictors: An Empirical Approach

机译：关于装袋预测器的敏感性调查：一种经验方法

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

摘要

As growing numbers of real world applications involve imbalanced class distribution or unequal costs for mis-classification errors in different classes, learning from imbalanced class distribution is considered to be one of the most challenging issues in data mining research. This study empirically investigates the sensitivity of bagging predictors with respect to 12 algorithms and 9 levels of class distribution on 14 imbalanced data-sets by using statistical and graphical methods to address the important issue of understanding the effect of varying levels of class distribution on bagging predictors. The experimental results demonstrate that bagging NB and MLP are insensitive to various levels of imbalanced class distribution.
机译：随着越来越多的现实世界应用涉及不平衡的类分布或不同类中错误分类错误的不平等成本，从不平衡的类分布中学习被认为是数据挖掘研究中最具挑战性的问题之一。这项研究通过统计和图形方法来解决了解重要的问题，即了解不同级别的分布对装袋预测器的影响的重要问题，该实验研究了装袋预测器对14种不平衡数据集上12种算法和9个类分布的敏感性。 。实验结果表明，套袋NB和MLP对各种级别的不平衡类别分布不敏感。

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