• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>PRICAI'98 : Topics in artificial intelligence >Repechage Bootstrap Aggregating for Misclassification Cost Reduction
【24h】

Repechage Bootstrap Aggregating for Misclassification Cost Reduction

机译：重用自举聚合以减少错误分类的成本

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper examines the use of bootstrap aggregating (bagging) with classifier learning methods based upon hold-out pruning (or growing) for misclassification cost reduction. Both decision tree and rule set classifiers are used. The paper introduces a "repechage" variation of bagging, that uses, as the hold-out data for cost reduction, the "out of bag" items, which would be unused in standard bagging. The paper presents experimental evidence that, when used with the hold-out cost reduction methods, the repechage method can achieve better misclassification cost results than the straightforward use of standard bagging used with the same hold-out cost reduction method. Superior results for the repechage method on some problems with previously defined cost matrices are shown for a cost reduction decision tree method and two cost reduction rule set methods.
机译：本文研究了基于基于保留修剪（或增长）的分类器学习方法的引导聚合（装袋）方法，以减少错误分类的成本。决策树和规则集分类器均被使用。本文介绍了套袋的“重新包装”变体，它使用“套袋”物品作为降低成本的保留数据，这些物品在标准套袋中不会使用。本文提供了实验证据，当与保留成本降低方法一起使用标准套袋时，与保留费用降低方法一起使用时，重新发送方法可以实现更好的误分类成本结果。对于成本降低决策树方法和两种成本降低规则集方法，显示了针对先前定义的成本矩阵的某些问题的repechage方法的出色结果。

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