计算机工程与应用

2020, v.56;No.965(22) 166-172

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种聚类欠采样策略的随机森林优化方法
Random Forest Optimization Method Based on Cluster Undersampling Strategy

罗计根;杜建强;聂斌;李欢;聂建华;陈裕凤;

摘要(Abstract):

针对随机森林分类效果受样本集类间不平衡、类内不规则的影响,提出一种聚类欠采样策略的随机森林优化方法。该方法对原始数据大类样本聚类,得到与小类样本个数相同的子类簇;从每个子类簇中随机有放回抽取一个样本与小类样本合并,形成平衡样本集;对平衡样本集进行有放回随机抽样,形成单棵决策树的训练样本集并完成建树;将两次未被抽中的样本作为袋外数据,用于模型测试;重复上述过程多次,形成随机森林。使用10组非平衡数据集进行实验验证,结果表明,该方法在这10组数据集上的分类能力及稳定性均优于传统随机森林。

关键词(KeyWords): 随机森林;非平衡数据;聚类分析;中医药信息学

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.61562045);; 江西省科技厅重点研发计划(No.20171ACE50021);; 江西省卫生计生委中医药科研计划(No.2017A282)

作者(Author): 罗计根;杜建强;聂斌;李欢;聂建华;陈裕凤;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享