nach oben

Annals of Data Science

Erschienen in:

01.09.2015

Feature Selection for Multi-Class Imbalanced Data Sets Based on Genetic Algorithm

verfasst von: Li-min Du, Yang Xu, Hua Zhu

Erschienen in: Annals of Data Science | Ausgabe 3/2015

Einloggen

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

search-config

KI-gestützte Suche

Aus

Abstract

This paper presents an improved genetic algorithm based feature selection method for multi-class imbalanced data. This method improves the fitness function through using the evaluation criterion EG-mean instead of the global classification accuracy in order to choose the features which are favorable to recognize the minor classes. The method is evaluated using several benchmark data sets, and the experimental results show that, compared with the traditional feature selection method based on genetic algorithm, the proposed method has certain advantages in the size of feature subsets and improves the precision of the minor classes for multi-class imbalanced data sets.

Vorheriger Artikel Transform Group of Monotonic Functions with the Same Monotonicity on [1, 1] and Operations of Fuzzy Numbers

Nächster Artikel A Neighborhood-based Matrix Factorization Technique for Recommendation

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

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+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 "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

Guyon I, ElisseefF A (2003) An introduction to variable and feature selection. J Mach Learn Res 3:1157–1182

Chawla NV, Japkowicz N, Kotcz A (2004) Editorial: special issue on learning form imbalanced data sets. SIGKDD Explor 6(1):1–6CrossRef

Maldonado S, Weber R, Famili F (2014) Feature selection for high-dimensional class-imbalanced data sets using support vector machines. Inform Sci 286:228–246CrossRef

Du LM, Xu Y, Jin LQ (2014) Feature selection for imbalanced datasets based on improved genetic algorithm. In: Proc of the 11th International FLINS conference on decision making and soft computing, Brazil, pp 119–124

Yin LZ, Ge Y, Xiao KL et al (2013) Feature selection for high-dimensional imbalanced data. Neurocomputing 105:3–11CrossRef

Cerf L, Gay D, Selmaoui-Folcher N et al (2013) Parameter-free classification in multi-class imbalanced data sets. Data Knowl Eng 87:109–129CrossRef

Fernández A, López V, Galar M et al (2013) Analysing the classification of imbalanced data-sets with multiple classes: binarization techniques and ad-hoc approaches. Knowl Based Syst 42:97–110CrossRef

Tang K, Wang R, Chen T (2011) Towards maximizing the area under the ROC curve for multi-class classification problems. In: Proceedings of the 25th AAAI conference on artificial intelligence (AAAI 2011), San Francisco, pp 483–488

Wang R, Tang K (2012) Feature selection for MAUC oriented classification systems. Neurocomputing 89:39–54CrossRef

10.

Frohlich H, Chapelle O (2003) Feature selection for support vector machines by means of genetic algorithms. In: Proceedings of the 15th IEEE international conference on tools with artificial intelligence, Sacramento, pp 142–148

11.

Huang CL, Wang CJ (2006) A GA-based feature selection and parameters optimization for support vector machines. Expert Syst Appl 31:231–240CrossRef

12.

Zhou X, Pei Z, Liu PH et al (2013) A new method for feature selection of radio abnormal signal. ICIC Express Lett 7(2):303–309

13.

Kubat M, Holte R, Matwin S (1998) Machine learning for the detection of oil spills in satellite radar images. Mach Learn 30:195–215CrossRef

14.

Sun Y, Kamel MS, Wang Y (2006) Boosting for learning multiple classes with imbalanced class distribution. In: Proceedings of the international conference on data mining, pp 592–602

15.

Asuncion A, Newman D (2007) UCI machine learning repository. http://www.ics.uci.edu/~mlearn/MLRepository.html

Titel: Feature Selection for Multi-Class Imbalanced Data Sets Based on Genetic Algorithm
verfasst von: Li-min Du
Yang Xu
Hua Zhu
Publikationsdatum: 01.09.2015
Verlag: Springer Berlin Heidelberg
Erschienen in: Annals of Data Science / Ausgabe 3/2015
Print ISSN: 2198-5804
Elektronische ISSN: 2198-5812
DOI: https://doi.org/10.1007/s40745-015-0060-x

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

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

Springer Professional "Technik"

Springer Professional "Wirtschaft+Technik"

Springer Professional "Wirtschaft"

Weitere Artikel der Ausgabe 3/2015

Transform Group of Monotonic Functions with the Same Monotonicity on [1, 1] and Operations of Fuzzy Numbers

A Fuzzy Trustworthiness System with Probability Presentation Based on Center-of-gravity Method

Modular Real-Time Face Detection System

Mining Fuzzy Association Rules in the Framework of AFS Theory

A Triple Structure of Rough Sets Based on Selection Function

The Research on the Application of Qualitative Mapping in MapReduce

Premium Partner