ebmc公司

包ebmc:类不平衡问题的集成方法。针对二值分类问题,实现了四种基于集成的分类方法(SMOTEBoost、RUSBoost、UnderBagging和SMOTEBagging)。这些方法采用集成方法和数据重采样技术来改善存在类不平衡问题的模型性能。一个特点是可以选择多种有监督学习算法来构建集成模型中的弱学习者。参考文献:Nitesh V.Chawla,Aleksandar Lazarevic,劳伦斯O.霍尔,凯文W.Bowyer(2003年)<doi:10.1007/978-3-540-39804-2_12>,克里斯塞菲尔,塔格him.Khoshgoftaar,贾森vanhulse,以及Amri Napolitano(2010年)<doi:10.1109/TSMCA.2009.2029559>,R.Barandela,J.S.Sanchez,R.M.Valdovinos(2003年)<doi:10.1007/s10044-s10044-1007-s10044-1004-2010年4-2010年10.1109/TSMCA.2009.2029559>,R.Barand003-0192-z>,王硕、姚欣(2009)<doi:10.1109/CIDM.2009.4938667>,Yoav Freund和Robert E.Schapire(1997)<doi:10.1006/jcss.1997.1504>。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献(参考文献1条)

显示结果1/1。
按年份排序(引用)

  1. 朱兵;高子涵;赵俊凯;Seppe K.L.M.van den Broucke:IRIC:二进制不平衡分类的R库(2019)不是zbMATH