Expérimentation de l'entropie décentrée pour le traitement des classes déséquilibrées en induction par arbres
Résumé
En apprentissage supervisé, les données réelles sont souvent fortement déséquilibrées. Dans le cas des arbres de décision, trois types damélioration peuvent être apportés : pour la fonction de segmentation, la règle de décision et la procédure délagage. Notre contribution concerne la fonction de segmentation, pour laquelle nous avons proposé une méthode de décentrage des entropies usuelles. Dans ce papier, nous rendons compte des expériences pratiquées sur 25 bases de référence en utilisant C4.5, qui montrent les excellents résultats de lentropie décentrée face à lentropie de Shannon, y compris après un bagging.
Domaines
Ordinateur et société [cs.CY]Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...