森泰的A2 - De la曼努埃尔盟——吴Chunye AU -王,南王盟——,Yu PY - 2021 DA - 2021/05/05 TI -增加少数召回不平衡数据分类支持向量机模型SP - 6647557六世- 2021 AB -不平衡数据分类是数据挖掘和机器学习获得的重要性。少数类召回率需要特别治疗在医学诊断等领域,信息安全,工业和计算机视觉。本文提出了一种新的策略和算法基于厂商支持向量机来提高少数类召回率为1,因为误分类甚至几件样品可以造成严重损失的一些物理问题。在拟议的方法,修改采用保证金赔偿保证金不平衡,使决策边界漂移。边界达到一定位置时,少数类样本实现的要求将更为广义的召回率1。在实验中,不同的影响参数对算法的性能进行了分析,和最优参数对召回率的测定。实验结果表明,不平衡数据分类问题,传统的成本分类方案和模型分类使用接受者操作特征曲线下的面积标准很少产生结果如召回率1。新战略可以产生少数回忆1对不平衡数据的多数类的损失是可以接受的;此外,它提高了gydF4y2Ba ggydF4y2Ba ——指数。该算法提供了优越的性能与传统的方法相比,少数召回。该方法具有重要的现实意义在信用卡欺诈、医学诊断等领域。SN - 1026 - 0226 UR - https://doi.org/10.1155/2021/6647557 - 10.1155 / 2021/6647557摩根富林明离散动力学自然界和社会中PB - Hindawi KW - ERgydF4y2Ba