Resumen

La incorporación de factores sensibles a los costes en los clasificadores aumenta la estabilidad de la clasificación y reduce los costes de clasificación para clasificar conjuntos de datos a gran escala, redundantes y desequilibrados, como los datos de expresión génica. En este estudio, ampliamos nuestro trabajo anterior, es decir, el ELM Dissimilar (D-ELM), introduciendo los costes de clasificación errónea en el clasificador. Llamamos al algoritmo propuesto D-ELM sensible a los costes (CS-D-ELM). Además, incorporamos el coste de rechazo en el CS-D-ELM para aumentar la estabilidad de la clasificación del algoritmo propuesto. Los resultados experimentales muestran que el algoritmo CS-D-ELM integrado en el coste de rechazo reduce eficazmente el coste medio y global del proceso de clasificación, mientras que la precisión de la clasificación sigue siendo competitiva. El método propuesto puede extenderse a problemas de clasificación de otros datos redundantes y desequilibrados.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:coste de rechazo, olmo, algoritmo propuesto, estabilidad de la clasificación, datos de expresión génica, coste, coste global, métodos propuestos, olmo disímil, conjuntos de datos desequilibrados
• Keywords:rejection cost, elm, proposed algorithm, classification stability, gene expression data, cost, overall cost, proposed methods, dissimilar elm, imbalanced datasets