طبقه بندی اجماع با توجه به گوناگونی برای یادگیری داده های نامتعادل

امروزه با توجه به گسترش روز افزون اطلاعاتی که بشر با آنها سر و کار دارد، بهره گیری از روشهایی همچون داده کاویبرای استخراج دانش و اطلاعات نهفته در دادهها، امری غیرقابل اجتناب می باشد. مساله دیگری که امروزه در بحث داده-کاوی وجود دارد، بحث دادههای نامتعادل است. داده های نامتعادل می توانند توسط خطای اندازه گیری ایجاد شوند یاممکن است نتیجه نوع داده ی درونی باشند. بنابراین روشهای زیادی مانند نمونه برداری، یادگیری حساس به هزینه،bagging و boosting مبتنی بر روشهای جمعی ارایه شده است ولی این روشها باعث حذف بعضی داده های مفید یاافزودن داده اضافی می شوند بنابراین بر آن شدیم که روشی جدید ارایه کنیم که بر مشکلات روشهای قبلی غلبه کند.در روش پیشنهادی ابتدا کلاس داده دودویی نامتعادل را به چندین کلاس داده دودویی متعادل تبدیل می کند. این کار رابا بکارگیری تقسیم تصادفی یا خوشه بندی نمونه های کلاس اکثریت انجام می دهد. بعد از آن یک الگوریتم طبقه بندیخاص بکار می رود تا چندین داده دودویی متعادل را به چندین طبقه بند تبدیل کند سرانجام نتایج طبقه بندی، این طبقهبند های دودویی را برای یک داده جدید با پنج قانون جمعی جدید شامل MaxDistance ، MinDistance ،ProDistance ، MajDistance و SumDistance ترکیب می کند سپس با توجه به گوناگونی روی طبقه بندجمعی رابطه بین داده جدید و داده قدیمی را شرح می دهد.نتایج آزمایشات روی 64 مجموعه داده نامتعادل نشان می دهد که روش ارایه شده قادر است مسایل کلاس دادهدودویینامتعادل را مدیریت کند و معمولا از روشهای مرسوم شامل روشهای مدیریت داده نامتعادل داخلی و خارجی موثرترعمل می کند.

کلیدواژه ها:

داده کاوی ، طبقه بندی اجماع ، داده های نامتعادل ، گوناگونی