摘要
在AI领域中,备受关注的一个问题是如何获得更好的分类,尤其是对于多分类的情形。目前,针对多分类算法已取得了大量的研究成果,很多较为高效的多分类算法也已应用到实践中,而对于多分类算法的研究仍然备受关注。以BT-SVM为基分类器,提出一种带阈值的新型动态加权多分类器集成的方法,并通过模拟和实证分析验证该算法的有效性,研究表明该算法对于平衡和非平衡数据的分类效果表现得都比较优良。
IIn the field of AI,one of the focused issues is how to get a better classification model,especially the multi classification.Although there are many multi classification algorithm,but no one has an absolute advantage.This paper takes BT-SVM as the base classifier,and this paper proposes a dynamic weighted ensemble of method with threshold,and the effective-ness of this algorithm is verified by numerical simulation and empirical study.This algorithm can solve the problem of unbalance and balanced multi classification,making the classification more effective and the model more convincing.
作者
李涛
张景肖
LI Tao;ZHANG Jing-xiao(Center for Applied Statistics,Renmin University of China,Beijing 100872,China;School of Statistics,Renmin University of China,Beijing 100872,China)
出处
《统计与信息论坛》
CSSCI
北大核心
2019年第1期20-24,共5页
Journal of Statistics and Information
基金
中国人民大学科学研究基金项目<超高维和高维数据降维问题的理论与应用研究>(18XNI010)
作者简介
李涛,男,山东潍坊人,硕士生,研究方向:高维与超高维数据;通讯作者:张景肖,女,河北保定人,统计学博士,教授,博士生导师,研究方向:高维与超高维数据,金融大数据。
