Biblioteca122.294 documentos en línea

Artículo

A Hybrid Sampling SVM Approach to Imbalanced Data ClassificationUn enfoque híbrido de muestreo SVM para la clasificación de datos desequilibrados

Resumen

Los conjuntos de datos desequilibrados se encuentran con frecuencia en muchas aplicaciones reales. El remuestreo es una de las soluciones efectivas debido a que genera una distribución de clases relativamente equilibrada. En este artículo, se propone un enfoque SVM de muestreo híbrido que combina una técnica de sobremuestreo y una técnica de submuestreo para abordar el problema de clasificación de datos desequilibrados. El enfoque propuesto primero utiliza una técnica de submuestreo para eliminar algunas muestras de la clase mayoritaria con menos información de clasificación y luego aplica una técnica de sobremuestreo para crear gradualmente algunas nuevas muestras positivas. De esta manera, se genera un conjunto de datos de entrenamiento equilibrado para reemplazar el conjunto de datos de entrenamiento desequilibrado original. Finalmente, a través de resultados experimentales en conjuntos de datos del mundo real, nuestro enfoque propuesto tiene la capacidad de identificar muestras informativas y abordar el problema de clasificación de datos desequilibrados.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento