استفاده از دسته بندهای تجمیعی برای دادههای نامتوازن و کاربرد آنها در دادههای مامایی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 940
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
LNCSE02_072
تاریخ نمایه سازی: 6 اسفند 1391
چکیده مقاله:
در این مقاله، مسئله یادگیری دادههای بهشدت نامتوازن، مورد مطالعه قرار گرفته است. دادههای نامتوازن به این معناست که دستههای هدف از دادهها در جدول توزیع منحرف میشوند؛ حداقل، نمونههای یک دسته بهطور قابل توجهی بیشتر از دستههای دیگر وجود دارد. روشهای دستهبندی سنتی، بهدنبال بهحداقلرساندن میزان کلی خطا از کل مجموعهی آموزش، بر روی دادههای نامتوازن بهخوبی عمل نمیکند، زیرا آنها معمولاً فرض میکنند توزیع یک کلاس نسبتاًمتوازن است و انرژی زیادی بر روی یادگیری دادههای نامتوازن کلاس اکثریت میگذارند که این موضوع اهمیت زیادی دارد و در بسیاری از برنامههای کاربردی چالشبرانگیز است. مجموعه داده مورد استفاده در این مقاله از 7272 نوزاد که در بیمارستان شهید رجایی شهرستان آران و بیدگل استان اصفهان که در بین سال های 1832 و 1837 متولد شدهاند، جمعآوری شده است. بهطور کلی، برخورد با کلاس اقلیت نیاز به مفاهیم جدید، بررسیها و راهحلهایی بهمنظور درک کامل از مدلهای اساسی پیچیده دارد. در این مقاله، توجه بخصوصی به مسئله دستهبندی دودویی نامتوازن شده است و چندین روش یادگیری تجمیعی موثر برای حل این مسئله پیشنهاد شده است
کلیدواژه ها:
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :