一种基于HDDT集成的多类不平衡学习方法

摘要：

　　在很多真实世界问题中，不同类别的数据样本往往有显著的不平衡性，即大类的样本远多于小类。对类别不平衡样本进行学习，是目前国内外数据挖掘和机器学习领域的研究热点之一。以往对不平衡样本学习的研究主要针对二分类问题进行，由此针对多分类问题，提出一种基于HDDT决策树集成的多类不平衡学习方法。实验表明，该方法可以有效地对多类不平衡问题进行学习。

关键词： 机器学习 数据挖掘 类别不平衡学习方法 HDDT决策树集成

作者: 钱祺 姜远

作者单位: 南京大学计算机软件新技术国家重点实验室,江苏南京 210093

会议类型: 国内会议

会议名称: 2011年江苏省人工智能学术会议

会议地点: 徐州

会议语种:中文

页码: 201-203,208

在线出版日期: 2011-10-22（万方平台首次上网日期，不代表论文的发表时间）