注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 不平衡数据集的几种处理程序SMOTE等

  2. 关于在不平衡数据集中需要用到的一些欠采样过采样的方法，SMOTE等算法的实现及其示例。

  3. 所属分类：专业指导

    • 发布日期：2011-06-14
    • 文件大小：36864
    • 提供者：lee22901

  1. Smote样本增加算法

  2. 本资源内主要包括smote样本增加算法，另外含有上采样和下采样算法，都是用matlab编写的。

  3. 所属分类：其它

    • 发布日期：2012-10-07
    • 文件大小：36864
    • 提供者：zhaoliangtsc9

  1. BorderlineSMOTE。java

  2. 最新BorderlineSMOTE算法，是对SMOTE的继承

  3. 所属分类：Java

    • 发布日期：2014-05-21
    • 文件大小：3072
    • 提供者：u012576055

  1. SMOTE算法 MATLAB代码

  2. 此代码为MATLAB代码，介绍的是SMOTE算法，里面有算法流程和详细说明

  3. 所属分类：数据库

    • 发布日期：2018-05-28
    • 文件大小：24576
    • 提供者：yundoummm

  1. 基于Boder-line的SMOTE算法

  2. 如何处理样本不均衡的问题，不局限于上采样或者下采样，还有一种是smote生成少数类的样本，但是传统的smote具有一定的局限性，本论文可以提供一些参考和解决的思路。

  3. 所属分类：机器学习

    • 发布日期：2018-07-17
    • 文件大小：464896
    • 提供者：tongjinrui

  1. 随机森林+鸢尾花+SMOTE+PCA+LDA

  2. 包括了一个随机森林算法， 并使用两个数据集进行训练。里面包含一个脚本文件，并插入了SMOTE插值、PCA降维以及LDA降维。其他降维方式的工具包在我的其他文件中

  3. 所属分类：算法与数据结构

    • 发布日期：2018-08-27
    • 文件大小：885760
    • 提供者：qq_35509823

  1. Smote的matlab代码

  2. 关于MATLAB的smote的代码，参考里面的sample_HardEnsemble_SoftEnsemble来做自己的案子！

  3. 所属分类：其它

    • 发布日期：2020-07-17
    • 文件大小：36864
    • 提供者：lokken

  1. 基于NRSBoundary-SMOTE的并行过采样算法

  2. 基于NRSBoundary-SMOTE的并行过采样算法

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：124928
    • 提供者：weixin_38522323

  1. 基于邻域粗糙集模型的边界过采样新算法：NRSBoundary-SMOTE

  2. 基于邻域粗糙集模型的边界过采样新算法：NRSBoundary-SMOTE

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1048576
    • 提供者：weixin_38612568

  1. 整合 DBSCAN 和改进SMOTE 的过采样算法

  2. 整合 DBSCAN 和改进SMOTE 的过采样算法

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：619520
    • 提供者：weixin_38671819

  1. 一种基于核SMOTE的非平衡数据集分类方法

  2. 本文提出一种基于核SMOTE(Synthetic Minority Over-sampling Technique)的分类方法来处理支持向量机(SVM)在非平衡数据集上的分类问题.其核心思想是首先在特征空间中采用核SMOTE方法对少数类样本进行上采样,然后通过输入空间和特征空间的距离关系寻找所合成样本在输入空间的原像,最后再采用SVM对其进行训练.实验表明,核SMOTE方法所合成的样本质量高于SMOTE算法,从而有效提高SVM在非平衡数据集上的分类效果.

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：543744
    • 提供者：weixin_38742656

  1. 基于随机下采样和SMOTE的不均衡SVM分类算法

  2. 传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：855040
    • 提供者：weixin_38731761

  1. 所有机器学习算法：包括所有机器学习模型，包括所有机器学习预处理技术，例如1）抽样技术（欠采样，过采样，ROS和SMOTE）。 交叉验证（K折，分层K折），-源码

  2. 所有ML算法 它包括所有ML模型。（用于KTM和银行数据） 由所有ML预处理技术组成，如a。 采样技术（欠采样，过采样-ROS和SMOTE）b。 交叉验证（K折，分层K折）c。 主成分分析 具有HYPER参数校正的Boston数据集的套索和岭回归。 该存储库还包含我在编码文件中使用的RAW数据文件

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：590848
    • 提供者：weixin_42133329

  1. Credit_Scorecard_Model：使用3种算法（朴素贝叶斯，随机森林和多层感知器），通过监督学习技术使用R语言创建信用记分卡模型。 利用H2O中的插入符号，ggplot和大数据包等标准包，通过设置集群以在本地计算机上运行分布式并

  2. Credit_Scorecard_Model 使用R语言通过监督学习技术通过应用3种算法（朴素贝叶斯，随机森林和多层感知器）来创建信用计分卡模型。 利用H2O中的插入符号，ggplot和大数据包等标准包，通过设置集群以在本地计算机上运行分布式并行计算来提高计算能力。 包 描述 H2O包装 分布在内存处理和ML模型中 dplyr 数据处理标准库 Ggplot2 绘制数据 DMwR 处理不平衡数据（SMOTE算法） 数据表 数据框处理

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：206848
    • 提供者：weixin_42116847

  1. SMOTE-Pytorch：SMOTE的Pytorch实现-源码

  2. SMOTE：综合少数族裔过采样技术 关于 如果分类标签的分布不均等，则数据集将处于不平衡状态，因此，在诸如欺诈检测之类的大量现实世界中，常见的问题是100到1的不平衡。 已经进行了大量尝试来解决该问题。 然而，这个问题仍然被广泛讨论并且是研究的活跃领域。 这是SMOTE的Pytorch实现。 纸 SMOTE：综合少数族裔过采样技术： : 算法

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：143360
    • 提供者：weixin_42165980

  1. 基于改进的SMOTE和RST的新型混合重取样算法

  2. 分类预测是数据挖掘和机器学习的重要任务之一,非均衡数据广泛存在于真实世界的分类问题中.本文提出一种新的解决非均衡数据集的预处理方法(ImSMOTE-RSTR*).通过改进的SMOTE方法创建新的人工合成少数类实例,并在此基础上应用基于粗糙集理论的子集下近似技术对训练集进行清理,该算法被验证得到较理想的结果.

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：318464
    • 提供者：weixin_38594266

  1. 基于特征选择的过抽样算法的研究

  2. 为了提高不平衡数据集分类中少数类的分类精度，提出了基于特征选择的过抽样算法。该算法考虑了不同的特征列对分类性能的不同作用，首先对训练集进行特征选择，选出一组特征列，然后根据选出的特征列合成少数类样本，合成的每个少数类样本的特征由两部分组成，一部分是特征选择的特征列对应的特征，另一部分是按照 SMOTE 原理合成的特征。将基于特征选择的过抽样算法和 SMOTE 算法进行实验比较，结果表明基于特征选择的过抽样算法的性能优于 SMOTE 算法，能有效降低数据的不平衡性，提高少数类的分类精度。

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：623616
    • 提供者：weixin_38590541

  1. 基于SMOTE和决策树算法的电力变压器状态评估知识获取方法

  2. 提出基于合成少数过采样技术(SMOTE)算法和决策树算法的电力变压器状态评估知识获取方法，首先针对变压器非正常状态样本数量较少的情况，采用SMOTE算法补充非正常状态样本数量，解决了变压器样本集类别不平衡问题。然后将变压器状态评估过程视为分类过程，利用决策树模型为白箱模型的特点，将变压器状态评估知识获取问题转化为构建决策树的问题。最后采用C4.5决策树算法构建决策树，从中提取变压器状态评估知识，得到关键变压器状态量和评估规则。以某地市级供电公司110 kV电压等级油浸式变压器实际数据开展实例分析

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38744435

  1. 基于不平衡数据样本特性的新型过采样SVM分类算法

  2. 针对传统采样方式准确率与鲁棒性不够明显,欠采样容易丢失重要的样本信息,而过采样容易引入冗杂信息等问题,以UCI公共数据集中的不平衡数据集Pima-Indians为例,综合考虑数据集正负类样本的类间距离、类内距离与不平衡度之间的关系,提出一种基于样本特性的新型过采样方式.首先对原始数据集进行距离带的划分,然后提出一种改进的基于样本特性的自适应变邻域Smote算法,在每个距离带的少数类样本中进行新样本的合成,并将此方式推广到UCI数据集中其他5种不平衡数据集.最后利用SVM分类器进行实验验证的结果表

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：641024
    • 提供者：weixin_38684633

  1. 面向网络安全的有害信息智能识别算法研究

  2. 针对网络上存在危害社会稳定的有害信息难以被准确监控分析的问题，为提高网络安全的预防能力，文中进行了网络有害信息智能识别算法的研究。首先，利用人工智能中的KNN和SMOTE算法进行有害信息的数据获取、扩充，为后续模型训练提供必要的样本数据；然后，通过信息增益进行特征提取，并使用词袋模型进行格式转化；最后，利用堆叠降噪自编码器模型学习特征向量中隐含的信息，进而实现有害信息的智能识别。通过多次对比测试实验结果表明，文中提出的有害信息智能识别算法，具有较高的识别率，平均识别率为83.12%，证明了该方法

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38678172
« 12 »