Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Prediction of Protein Oxidation Sites Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Combining Ranking with Traditional Methods for Ordinal Class Imbalance

verfasst von : Ricardo Cruz, Kelwin Fernandes, Joaquim F. Pinto Costa, María Pérez Ortiz, Jaime S. Cardoso

Erschienen in: Advances in Computational Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In classification problems, a dataset is said to be imbalanced when the distribution of the target variable is very unequal. Classes contribute unequally to the decision boundary, and special metrics are used to evaluate these datasets. In previous work, we presented pairwise ranking as a method for binary imbalanced classification, and extended to the ordinal case using weights. In this work, we extend ordinal classification using traditional balancing methods. A comparison is made against traditional and ordinal SVMs, in which the ranking adaption proposed is found to be competitive.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Fine-to-Coarse Ranking in Ordinal and Imbalanced Domains: An Application to Liver Transplantation
Nächstes Kapitel Constraining Type II Error: Building Intentionally Biased Classifiers
Fußnoten
Literatur
1.
Cruz, R., Fernandes, K., Cardoso, J.S., Pinto Costa, J.F.: Tackling class imbalance with ranking. In: International Joint Conference on Neural Networks (IJCNN). IEEE (2016)
2.
Cruz, R., Fernandes, K., Pinto Costa, J.F., Perez Ortiz, M., Cardoso, J.S.: Ordinal class imbalance with ranking. In: Rojas, I., et al. (eds.) IWANN 2017, Part II. LNCS, vol. 10306, pp. 538–548. Springer, Cham (2017)
3.
Cardoso, J.S., Costa, J.F.: Learning to classify ordinal data: the data replication method. J. Mach. Learn. Res. 8(Jul), 1393–1429 (2007)MathSciNetMATH
4.
Chu, W., Sathiya Keerthi, S.: New approaches to support vector ordinal regression. In: Proceedings of the 22nd International Conference on Machine Learning, pp. 145–152. ACM (2005)
5.
Herbrich, R., Graepel, T., Obermayer, K.: Support vector learning for ordinal regression. In: Ninth International Conference on Artificial Neural Networks, ICANN 1999, (Conf. Publ. No. 470), vol. 1, pp. 97–102. IET (1999)
6.
Pinto Costa, J.F., Sousa, R., Cardoso, J.S.: An all-at-once unimodal SVM approach for ordinal classification. In: Ninth International Conference on Machine Learning and Applications (ICMLA), pp. 59–64. IEEE (2010)
7.
Chawla, N.V., Bowyer, K.W., Hall, L.O., Kegelmeyer, W.P.: SMOTE: synthetic minority over-sampling technique. J. Artif. Intell. Res. 16, 321–357 (2002)MATH
8.
Pérez-Ortiz, M., Gutiérrez, P.A., Hervás-Martínez, C., Yao, X.: Graph-based approaches for over-sampling in the context of ordinal regression. IEEE Trans. Knowl. Data Eng. 27(5), 1233–1245 (2015)CrossRef
9.
Liu, X.-Y., Jianxin, W., Zhou, Z.-H.: Exploratory undersampling for class imbalance learning. IEEE Trans. Syst. Man Cybern. 39(2), 539–550 (2009)CrossRef
10.
Sahare, M., Gupta, H.: A review of multi-class classification for imbalanced data. Int. J. Adv. Comput. Res. 2(5), 160–164 (2012)
11.
Hu, S., Liang, Y., Ma, L., He, Y.: MSMOTE: improving classification performance when training data is imbalanced. In: 2nd International Workshop on Computer Science and Engineering, WCSE 2009, vol. 2, pp. 13–17 (2009)
12.
Cruz-Ramírez, M., Hervás-Martínez, C., Sánchez-Monedero, J., Gutiérrez, P.A.: Metrics to guide a multi-objective evolutionary algorithm for ordinal classification. Neurocomputing 135, 21–31 (2014)CrossRef
13.
14.
PASCAL. Pascal (pattern analysis, statistical modelling and computational learning) machine learning benchmarks repository (2011). http://​mldata.​org/​
15.
Chu, W., Ghahramani, Z.: Gaussian processes for ordinal regression. J. Mach. Learn. Res. 6(Jul), 1019–1041 (2005)MathSciNetMATH
Metadaten
Titel
Combining Ranking with Traditional Methods for Ordinal Class Imbalance
verfasst von
Ricardo Cruz
Kelwin Fernandes
Joaquim F. Pinto Costa
María Pérez Ortiz
Jaime S. Cardoso
Copyright-Jahr
2017
Buch
Advances in Computational Intelligence

Print ISBN: 978-3-319-59146-9

Electronic ISBN: 978-3-319-59147-6

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-59147-6_46