TAILIEUCHUNG - Random border over sampling: Thuật toán mới sinh thêm phần tử ngẫu nhiên trên đường biên trong dữ liệu mất cân bằng
Bài viết này tập trung nghiên cứu cải tiến thuật toán ROS, từ đó, đề xuất thuật toán mới Random Border-Over-Sampling (RBOS) bằng việc chọn các phần tử thiểu số có ý nghĩa quan trọng trên đường biên. | Random border over sampling: Thuật toán mới sinh thêm phần tử ngẫu nhiên trên đường biên trong dữ liệu mất cân bằng Bùi Dương Hưng, Vũ Văn Thỏa, Đặng Xuân Thọ RANDOM BORDER-OVER-SAMPLING: THUẬT TOÁN MỚI SINH THÊM PHẦN TỬ NGẪU NHIÊN TRÊN ĐƯỜNG BIÊN TRONG DỮ LIỆU MẤT CÂN BẰNG Bùi Dương Hưng*, Vũ Văn Thỏa+, Đặng Xuân Thọ# * Bộ môn Tin học, Trường Đại học Công đoàn + Học viện Công nghệ Bưu chính Viễn thông # Trường Đại học Sư phạm Hà Nội 1 Tóm tắt: Phân lớp dữ liệu mất cân bằng là bài toán quan Bài toán phân lớp dữ liệu đã được nghiên cứu với rất nhiều trọng xuất hiện trong hầu hết các lĩnh vực, đặc biệt là trong y thuật toán phân lớp chuẩn như máy véc tơ hỗ trợ (SVM), k sinh học chuẩn đoán người bệnh. Hiện nay, đã có nhiều láng giềng gần nhất (K-NN), cây quyết định Tuy nhiên, khi nghiên cứu giải quyết bài toán này, trong đó, phương pháp tiền xuất hiện các dữ liệu mất cân bằng, các thuật toán chuẩn trên xử lý dữ liệu như Random Over-Sampling (ROS) là một không cho hiệu quả phân lớp cao như mong muốn. Chính vì phương pháp phổ biến và cho kết quả tốt. Tuy nhiên, một số vậy, yêu cầu đặt ra cần có phương pháp phân lớp phù hợp đối trường hợp ROS lại không đạt được kết quả như mong đợi với các tập dữ liệu mất cân bằng nhằm đáp ứng các yêu cầu thực tế ngày càng tăng. hoặc giảm hiệu quả phân lớp. Chính vì vậy, bài báo này tập trung nghiên cứu cải tiến thuật toán ROS, từ đó, đề xuất thuật Nhiều công trình nghiên cứu trong và ngoài nước [5]–[9] toán mới Random Border-Over-Sampling (RBOS) bằng việc đã giải quyết bài toán phân lớp dữ liệu mất cân bằng theo nhiều chọn các phần tử thiểu số có ý nghĩa quan trọng trên đường hướng khác nhau, theo các hướng tiếp cận ở cấp độ dữ liệu biên. Kết quả thực nghiệm trên sáu tập dữ liệu mất cân bằng từ [10]–[13] và tiếp cận ở cấp độ thuật toán [14]–[17]. Trong đó, nguồn dữ liệu chuẩn quốc tế UCI (breast-p, blood, pima, ở nghiên cứu này, chúng tôi tập trung vào hướng tiếp cận ở .
đang nạp các trang xem trước
