بررسی و بهبود روشی برای مسائل عدم تعادل کلاس بندی مجموعه داده های نامتوازن

چکیده مقاله

امروزه مسئله کلاس بندی داده های نامتوازن از اهمیت خاصی برخوردار است کلاس بندی این داده ها بدین گونه است که، کلاسی که از نظر دامنه کاربرد اهمیت زیادی دارد کلاس اقلیت oversampling نامیده می شود و شامل تعداد حالات کمتری نسبت به کلاس اکثریت undersampling می باشد سعی می شود در کلاس بندی این داده ها، تعداد حالات کلاس اقلیت را نسبت به کلاس اکثریت افزایش دهیم در این مقاله، روشی برای نمونه برداری نیمه بدون نظارت وزن دار وفقی A SUWO را برای بهبود طبقه بندی مجموعه داده های باینری نامتوازن ارائه و بررسی می کنیم این روش با استفاده از خوشه بندی سلسه مراتبی بدون نظارت وزن و اندازه قابل تطبیق به oversampling هریک از زیر خوشه ها با استفاده از پیچیدگی کلاس بندی و اعتبار سنجی متقابل می پردازد، سپس نمونه های اقلیت بسته به فاصله اقلیدسی خود نسبت به کلاس اکثریت، طبقه بندی می شوند

کلیدواژه‌ها

نویسندگان

اسماعیل صادقی هفشجانی

دانشگاه آزاد اسلامی شهرکرد

زهره صحرانشین سامانی

دانشگاه آزاد اسلامی شهرکرد

شیرین بنی طالبی

دانشگاه آزاد اسلامی شهرکرد

�ادقی هفشجانی، اسماعیل و صحرانشین سامانی، زهره و بنی طالبی، شیرین،1395،بررسی و بهبود روشی برای مسائل عدم تعادل کلاس بندی مجموعه داده های نامتوازن،اولین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات اولین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات25 شهریور 1395 · بابل