摘要
摘要
不平衡分类在现实应用中普遍存在,其目标除高准确率外,更加关注少数类
2
识别及模型泛化能力。相对不平衡分类问题,不平衡多类数据的分布更加复
杂,可能存在多个多数类、多个少数类的情况,分类难度更大,需要研究针对
性的分类策略及算法进行处理。本文围绕以上需求,开展了两个方面研究:
研究首先从不平衡2分类入手,在经典集成学习算法AdaBo
摘要
摘要
不平衡分类在现实应用中普遍存在,其目标除高准确率外,更加关注少数类
2
识别及模型泛化能力。相对不平衡分类问题,不平衡多类数据的分布更加复
杂,可能存在多个多数类、多个少数类的情况,分类难度更大,需要研究针对
性的分类策略及算法进行处理。本文围绕以上需求,开展了两个方面研究:
研究首先从不平衡2分类入手,在经典集成学习算法AdaBo
文档评论(0)