Office of Academic Resources
Chulalongkorn University
Chulalongkorn University

Home / Help

TitleThe density-based minority over-sampling framework for class imbalanced problems / Chumphol Bunkhumpornpat = กรอบการทำงานสุ่มเพิ่มกลุ่มข้อมูลด้อยด้วยความหนาแน่นสำหรับปัญหากลุ่มข้อมูลอสมดุล
Author ชุมพล บุญคุ้มพรภัทร
Imprint 2011
Connect tohttp://cuir.car.chula.ac.th/handle/123456789/31205
Descript x, 70 leaves : ill., charts

SUMMARY

A dataset embodies the class imbalanced problem when the target class has a very small number of instances relative to the other classes. A trivial classifier typically fails to predict the positive instances due to its tiny size. In this thesis, the density-based minority over-sampling framework is proposed. It relies on a density-based notion of clusters and is designed to over-sample an arbitrarily shaped cluster discovered by the density-based clustering algorithm. In detail, my framework generates a synthetic instance along the shortest path from each instance in a cluster of a minority class to the pseudo-centroid of this cluster. Consequently, a set of the synthetic instances is dense near the pseudo-centroid and is sparse far from this centroid. Due to the distribution of the set, a classifier faces more emphatically around the core region than it does around the border region. The experimental results show that my framework improves accuracy, F-value (combination term of Precision and Recall), and AUC of a classifier more than SMOTE and Safe-Level-SMOTE.
เซตข้อมูลจัดอยู่ในปัญหากลุ่มข้อมูลอสมดุลเมื่อกลุ่มข้อมูลเป้าหมายมีจำนวนข้อมูลน้อยมากเปรียบเทียบกับกลุ่มข้อมูลอื่น ตัวจำแนกกลุ่มข้อมูลโดยทั่วไปมีความผิดพลาดในการทำนายกลุ่มข้อมูลด้อยนี้เพราะจำนวนข้อมูลในกลุ่มมีขนาดเล็ก วิทยานิพนธ์ฉบับนี้ได้นำเสนอกรอบการทำงานสุ่มเพิ่มกลุ่มข้อมูลด้อยด้วยความหนาแน่น กรอบการทำงานนี้ถูกออกแบบให้สุ่มเพิ่มข้อมูลในกลุ่มข้อมูลรูปร่างทั่วไป โดยใช้หลักความหนาแน่นของกลุ่มข้อมูล กล่าวโดยละเอียด กรอบการทำงานนี้สร้างข้อมูลสังเคราะห์ตามแนววิถีสั้นสุดระหว่างข้อมูลแต่ละตัวและจุดเซนทรอยด์เทียมในกลุ่มข้อมูลของกลุ่มข้อมูลด้อย ดังนั้น เซตของข้อมูลสังเคราะห์มีความหนาแน่นใกล้จุดเซนทรอยด์เทียมและมีความเบาบางไกลจุดเซนทรอยด์เทียม จากการกระจายของเซตข้อมูลดังกล่าว ตัวจำแนกกลุ่มข้อมูลเน้นการเรียนรู้บริเวณแกนมากกว่าบริเวณขอบของกลุ่มข้อมูล ผลการทดลองแสดงให้เห็นว่ากรอบการทำงานนี้พัฒนา ความแม่นยำ ค่าเอฟ (เทอมรวมของพรีซิชันและรีคอล) และ เอยูซี มากกว่าขั้นตอนวิธีสโมทและเซฟเลเวลสโมท


ปริญญาดุษฎีบัณฑิต เหมืองข้อมูล การวิเคราะห์จัดกลุ่ม การสุ่มตัวอย่าง Data mining Cluster analysis Sampling

LOCATIONCALL#STATUS
Science Library : Thesisวพ.2554 / 5945CHECK SHELVES

Chulalinet's Book Delivery Request




Location



Office of Academic Resources, Chulalongkorn University, Phayathai Rd. Pathumwan Bangkok 10330 Thailand

Contact Us

Tel. 0-2218-2929,
0-2218-2927 (Library Service)
0-2218-2903 (Administrative Division)
Fax. 0-2215-3617, 0-2218-2907

Social Network

  line

facebook   instragram