Estudos empíricos dos métodos de balanceamento para a classificação

A classificação tem o objetivo de rotular eventos ou objetos de acordo com classes pré-estabelecidas. No entanto, a maioria dos algoritmos perdem a capacidade de predição, quando o conjunto de dados possui uma distribuição desbalanceada entre suas classes. Para tentar resolver esse problema diversos...

Descripción completa

Detalles Bibliográficos
Autores principales: Lara, Daiany Francisca, Ramirez Pozo, Aurora Trinidad, Garcia, Léo Manoel Lopes da Silva, Perez, Cláudia Alves, Antunes, Franciano
Formato: Objeto de conferencia
Lenguaje:Portugués
Publicado: 2017
Materias:
Ciencias Informáticas
bases desbalanceadas
classificação
métodos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/65949
http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/ASAI/asai-13.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-65949
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Portugués
topic Ciencias Informáticas
bases desbalanceadas
classificação
métodos
spellingShingle Ciencias Informáticas
bases desbalanceadas
classificação
métodos
Lara, Daiany Francisca
Ramirez Pozo, Aurora Trinidad
Garcia, Léo Manoel Lopes da Silva
Perez, Cláudia Alves
Antunes, Franciano
Estudos empíricos dos métodos de balanceamento para a classificação
topic_facet Ciencias Informáticas
bases desbalanceadas
classificação
métodos
description A classificação tem o objetivo de rotular eventos ou objetos de acordo com classes pré-estabelecidas. No entanto, a maioria dos algoritmos perdem a capacidade de predição, quando o conjunto de dados possui uma distribuição desbalanceada entre suas classes. Para tentar resolver esse problema diversos métodos tęm sido propostos na literatura. O presente estudo tem como objetivo analisar e comparar os métodos mais conhecidos que se propõem a resolver o problema de classificação com bases desbalanceadas. Para isto, os métodos foram testados usando cinco classificadores tradicionais, e 13 bases provenientes do UCI Machine Learning Repository. Os resultados demonstram que é possível melhorar a taxa de classificação, mas é difícil dizer o método que se comporta melhor, pois tudo depende de como o algoritmo de classificação generaliza a base.
format Objeto de conferencia
Objeto de conferencia
author Lara, Daiany Francisca
Ramirez Pozo, Aurora Trinidad
Garcia, Léo Manoel Lopes da Silva
Perez, Cláudia Alves
Antunes, Franciano
author_facet Lara, Daiany Francisca
Ramirez Pozo, Aurora Trinidad
Garcia, Léo Manoel Lopes da Silva
Perez, Cláudia Alves
Antunes, Franciano
author_sort Lara, Daiany Francisca
title Estudos empíricos dos métodos de balanceamento para a classificação
title_short Estudos empíricos dos métodos de balanceamento para a classificação
title_full Estudos empíricos dos métodos de balanceamento para a classificação
title_fullStr Estudos empíricos dos métodos de balanceamento para a classificação
title_full_unstemmed Estudos empíricos dos métodos de balanceamento para a classificação
title_sort estudos empíricos dos métodos de balanceamento para a classificação
publishDate 2017
url http://sedici.unlp.edu.ar/handle/10915/65949
http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/ASAI/asai-13.pdf
work_keys_str_mv AT laradaianyfrancisca estudosempiricosdosmetodosdebalanceamentoparaaclassificacao
AT ramirezpozoauroratrinidad estudosempiricosdosmetodosdebalanceamentoparaaclassificacao
AT garcialeomanoellopesdasilva estudosempiricosdosmetodosdebalanceamentoparaaclassificacao
AT perezclaudiaalves estudosempiricosdosmetodosdebalanceamentoparaaclassificacao
AT antunesfranciano estudosempiricosdosmetodosdebalanceamentoparaaclassificacao
bdutipo_str Repositorios
_version_ 1764820480753139714

Ejemplares similares