×
米夏·科齐亚尔斯基;Wożniak，Michał

CCR：一种用于不平衡数据分类的组合清洗和重采样算法。 （英语） Zbl 1396.68097号

国际期刊申请。数学。计算。科学。 27，第4期，727-736（2017）.
摘要：不平衡数据分类是当代模式识别中最普遍的挑战之一。在大多数实际数据集中可能会观察到不同程度的不平衡，从而影响分类算法的性能。特别是，高度不平衡造成严重困难，往往需要使用专门设计的方法。在这种情况下，最重要的问题通常是正确检测少数示例，但同时也不能忽视多数类的性能。本文描述了一种新的重采样技术，其重点是在两类不平衡数据任务中正确检测少数示例。该方法将清理少数对象周围的决策边界与引导合成过采样相结合。实验结果表明，该算法通常优于传统的过采样方法，尤其是在考虑少数样本检测的情况下。

引用于3文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62H30型 分类和区分；聚类分析（统计方面）

关键词：

机器学习;分类;不平衡数据;预处理;过采样

软件：

JStatCom公司;ACO采样;Scikit公司;不平衡学习;SMOTEBoost公司;阿达欣;ROSEFW-RF公司;SMOTE公司;MWMOTE公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Koziarski}和\textit{M.Wożniak}，国际期刊应用。数学。计算。科学。27，第4号，727--736（2017；Zbl 1396.68097）
全文： 内政部

参考文献：

[1] Aggarwal，C.C.，Hinneburg，A.和Keim，D.A.（2001年）。关于高维空间中距离度量的惊人行为，数据库理论国际会议，英国伦敦，第420-434页·Zbl 1047.68038号
[2] Alcalá，J.、Fernández，A.、Luengo，J.、Derrac，J.、GarcíA，S.、Sánchez，L.和Herrera，F.（2010年）。KEEL数据挖掘软件工具：数据集存储库，算法和实验分析框架的集成，多值逻辑和软计算杂志17（2-3）：255-287。
[3] Barua，S.、Islam，M.M.、Yao，X.和Murase，K.（2014年）。用于不平衡数据集学习的MWMOTE-多数加权少数过采样技术，IEEE知识与数据工程汇刊26（2）：405-425。
[4] 巴蒂斯塔，G.E.、普拉蒂，R.C.和莫纳德，M.C.（2004）。《平衡机器学习训练数据的几种方法的行为研究》，ACM SIGKDD Explorations Newsletter 6（1）：20-29。
[5] Bunkhumpornpat，C.和Sinapiromsaran，K.（2015）。核心：基于核心的合成少数人过采样和临界多数人欠采样技术，《国际数据挖掘和生物信息学杂志》12（1）：44-58。
[6] Bunkhumpornpat，C.、Sinapiromsaran，K.和Lursinsap，C.（2009年）。安全水平SMOTE：用于处理类别不平衡问题的安全水平合成少数过度抽样技术，太平洋-亚洲知识发现和数据挖掘会议，泰国曼谷，第475-482页。
[7] Chawla，N.V.、Bowyer，K.W.、Hall，L.O.和Kegelmeyer，W.P.（2002）。SMOTE：合成少数人过采样技术，《人工智能研究杂志》16:321-357·Zbl 0994.68128号
[8] Chawla，N.V.、Lazarevic，A.、Hall，L.O.和Bowyer，K.W.（2003）。SMOTEBoost：《提高对少数群体的预测》，欧洲数据挖掘和知识发现原则会议，克罗地亚卡夫塔特/杜布罗夫尼克，第107-119页。
[9] Dubey，R.、Zhou，J.、Wang，Y.、Thompson，P.M.和Ye，J.（2014）。不平衡数据的采样技术分析：一项n=648 ADNI研究，NeuroImage 87:220-241。
[10] Estabrooks，A.、Jo，T.和Japkowicz，N.（2004）。从不平衡数据集学习的多重重采样方法，计算智能20（1）：18-36。
[11] Fernández，A.、López，V.、Galar，M.、Del Jesus，M.J.和Herrera，F.（2013）。使用多个类分析不平衡数据集的分类：二值化技术和特殊方法，基于知识的系统42:97-110。
[12] Fernández-Navarro，F.、Hervás-Martínez，C.和Gutiérrez，P.A.（2011年）。基于多类问题灵敏度的动态过采样过程，模式识别44（8）：1821-1833·Zbl 1218.68121号
[13] Galar，M.、Fernandez，A.、Barrenechea，E.、Bustince，H.和Herrera，F.（2012）。阶级不平衡问题的集合综述：打包、提升和混合方法，IEEE系统、人和控制论汇刊C:应用与评论42（4）：463-484。
[14] Galar，M.、Fernández，A.、Barrenechea，E.和Herrera，F.（2013）。EUSBoost：通过进化欠采样增强高度不平衡数据集的集合，模式识别46（12）：3460-3471。
[15] García，S.和Herrera，F.（2009年）。不平衡数据集分类的进化欠采样：建议和分类，进化计算17（3）：275-306。
[16] García，V.、Sánchez，J.和Mollineda，R.（2007）。《不平衡和重叠数据集上分类器行为的实证研究》，伊比利亚美洲模式识别大会，智利瓦尔帕莱索，第397-406页。
[17] Han，H.，Wang，W.-Y.和Mao，B.-H.（2005）。Borderline-SMOTE：不平衡数据集学习中的一种新的过采样方法，智能计算国际会议，中国合肥，第878-887页。
[18] Hao，M.、Wang，Y.和Bryant，S.H.（2014）。一种结合合成少数过采样技术的高效算法，用于对不平衡PubChem BioAssay数据进行分类，《分析化学学报》806:117-127。
[19] He，H.、Bai，Y.、Garcia，E.A.和Li，S.（2008）。ADASYN：《不平衡学习的自适应合成抽样方法》，2008年IEEE神经网络国际联合会议（IEEE计算智能世界大会），中国香港，第1322-1328页。
[20] He，H.和Garcia，E.A.（2009年）。从不平衡数据中学习，IEEE知识与数据工程汇刊21（9）：1263-1284。
[21] Hoens，T.R.、Polikar，R.和Chawla，N.V.（2012年）。从概念漂移和不平衡的流式数据中学习：综述，人工智能进展1（1）：89-101。
[22] Jo，T.和Japkowicz，N.（2004）。阶级失衡与小分离，ACM SIGKDD探索新闻稿6（1）：40-49。
[23] Khreich，W.、Granger，E.、Miri，A.和Sabourin，R.（2010年）。ROC空间中分类器的迭代布尔组合：HMM在异常检测中的应用，模式识别43（8）：2732-2752·Zbl 1213.68533号
[24] Krawczyk，B.（2016）。从不平衡的数据中学习：开放的挑战和未来方向，人工智能进展5（4）：221-232。
[25] Laurikkala，J.（2001）。通过平衡班级分布来改进困难小班的识别，欧洲医学人工智能会议，葡萄牙卡斯凯斯，第63-66页·Zbl 0986.68817号
[26] Lemaitre，G.、Nogueira，F.和Aridas，C.K.（2017年）。不平衡学习：一个Python工具箱，用于解决机器学习中不平衡数据集的诅咒，《机器学习研究杂志》18（17）：1-5。
[27] Liu，X.-Y.，Wu，J.和Zhou，Z.-H.（2009）。类平衡学习的探索性欠采样，IEEE系统、人与控制论汇刊B：控制论39（2）：539-550。
[28] Liu，Y.-H.和Chen，Y.-T.（2005）。用于多视角人脸识别的基于总边距的自适应模糊支持向量机，2005年IEEE系统、人与控制论国际会议，美国HI威科洛，第2卷，第1704-1711页。
[29] López，V.、Fernández，A.、GarcíA，S.、Palade，V.和Herrera，F.（2013）。《对不平衡数据分类的洞察：使用数据内在特征的经验结果和当前趋势》，《信息科学》250:113-141。
[30] Maciejewski，T.和Stefanowski，J.（2011）。用于挖掘不平衡数据的SMOTE局部邻域扩展，2011年IEEE计算智能和数据挖掘研讨会，法国巴黎，第104-111页。
[31] Mazurowski，M.A.，Habas，P.A.，Zurada，J.M.，Lo，J.Y.，Baker，J.A.和Tourassi，G.D.（2008年）。训练用于医疗决策的神经网络分类器：不平衡数据集对分类性能的影响，神经网络21（2）：427-436。
[32] Napierała，K.和Stefanowski，J.（2012）。《不平衡数据中不同类型少数群体示例的识别》，混合人工智能系统国际会议，西班牙萨拉曼卡，第139-150页。
[33] Napierała，K.、Stefanowski，J.和Wilk，S.（2010年）。《在存在噪声和边界示例的情况下从不平衡数据中学习》，《粗糙集与计算当前趋势国际会议》，波兰华沙，第158-167页。
[34] 佩德雷戈萨（Pedregosa，F.）、瓦罗佐（Varoquaux，G.）、格兰福特（Gramfort，A.）、米歇尔（Michel，V.）、提里昂（Thirion，B.）、格里塞尔（Grisel，O.）、布隆德尔（Blondel，M.）、普雷滕霍弗（Prettenhofer，P.）、韦斯（Weiss，R。Scikit-learn：Python中的机器学习，机器学习研究杂志12（10月）：2825-2830·Zbl 1280.68189号
[35] Prati，R.C.、Batista，G.和Monard，M.C.（2004年）。《班级失衡与班级重叠：学习系统行为分析》，墨西哥人工智能国际会议，墨西哥墨西哥城，第312-321页。
[36] Ramentol，E.、Verbist，N.、Bello，R.、Caballero，Y.、Cornelis，C.和Herrera，F.（2012）。SMOTE-FRST：使用模糊粗糙集理论的新重采样方法，第十届国际FLINS知识工程和决策不确定性建模会议，土耳其伊斯坦布尔。
[37] Sáez，J.A.、Galar，M.、Luengo，J.和Herrera，F.（2013）。《使用多分类器系统处理含噪数据的分类问题：性能和鲁棒性分析》，《信息科学》247:1-20。
[38] Sanz，J.A.、Bernardo，D.、Herrera，F.、Bustince，H.和Hagras，H.（2015）。一个紧凑的进化区间值模糊规则分类系统，用于建模和预测具有不平衡数据的现实世界金融应用，IEEE模糊系统交易23（4）：973-990。
[39] Stefanowski，J.（2016）。在从不平衡数据中学习的同时处理数据困难因素，见S.Matwin和J.Mielniczuk（编辑），《计算统计和数据挖掘的挑战》，Springer，Heilderberg，第333-363页。
[40] Stefanowski，J.和Wilk，S.（2008）。不平衡数据的选择性预处理以提高分类性能，数据仓库和知识发现国际会议，意大利都灵，第283-292页。
[41] Sun，Y.、Wong，A.K.和Kamel，M.S.（2009年）。《不平衡数据的分类：综述》，《国际模式识别与人工智能杂志》23（04）：687-719。
[42] Tomek，I.（1976年）。美国有线电视新闻网（CNN）的两次修改，《IEEE系统、人与控制论汇刊》6（11）：769-772·Zbl 0341.68066号
[43] Triguero，I.、del Río，S.、López，V.、Bacardit，J.、Benítez，J.M.和Herrera，F.（2015）。ROSEFW-RF：ECBDL14大数据竞赛的获胜者算法。一个极不平衡的大数据生物信息学问题，基于知识的系统87:69-79。
[44] Van Hulse，J.、Khoshgoftaar，T.M.和Napolitano，A.（2007年）。歪斜的类分布和标签错误的示例，第七届IEEE数据挖掘研讨会国际会议（ICDMW 2007），美国东北部奥马哈，第477-482页。
[45] Verbist，N.、Ramentol，E.、Cornelis，C.和Herrera，F.（2014）。使用SMOTE预处理带噪声的不平衡数据集，增强了模糊粗糙原型选择，应用软计算22:511-517。
[46] Wang，S.和Yao，X.（2012）。多类不平衡问题：分析与潜在解决方案，IEEE系统、人与控制论汇刊B：控制论42（4）：1119-1130。
[47] Wei，W.、Li，J.、Cao，L.、Ou，Y.和Chen，J.（2013）。有效检测基于极不平衡数据的复杂网上银行欺诈，万维网16（4）：449-475。
[48] Wilson，D.L.（1972）。使用编辑数据的最近邻规则的渐近性质，IEEE系统、人和控制论事务2（3）：408-421·Zbl 0276.62060号
[49] Yu，H.、Ni，J.和Zhao，J.（2013）。ACO采样：一种基于蚁群优化的欠采样方法，用于分类不平衡DNA微阵列数据，神经计算101:309-318。
[50] Zhang，H.和Li，M.（2014）。RWO抽样：不平衡数据分类的随机遍历抽样方法，信息融合20:99-116。
[51] Z.Zhang、B.Krawczyk、S.García、a.Rosales-Pérez和F.Herrera（2016）。利用集成学习实现多类不平衡数据的一对一分解，基于知识的系统106:251-263。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。