Imbalanced regression using regressor-classifier ensembles
Imbalanced regression using regressor-classifier ensembles
复制标题
使用回归器-分类器集成的不平衡回归
DOI：
10.1007/s10994-022-06199-4
复制
发表时间：
2022
期刊：
影响因子：
7.5
通讯作者：
Orhobor O
中科院分区：
文献类型：
--
作者：
Orhobor O
我们提出了一个扩展的联邦集成回归使用分类算法，集成学习算法的回归问题，利用样本的分布在学习集中，以实现更好的性能。我们使用四个分类器和四个回归器，两个离散化器和来自不同领域的各种数据集的119个响应来评估扩展。此外，我们将我们的算法与两种旨在解决不平衡数据集的重新排序方法进行了比较。我们的研究结果表明，所提出的扩展是极不可能执行比基本情况下，平均优于两个reservation方法的性能显着差异。
We present an extension to the federated ensemble regression using classification algorithm, an ensemble learning algorithm for regression problems which leverages the distribution of the samples in a learning set to achieve improved performance. We evaluated the extension using four classifiers and four regressors, two discretizers, and 119 responses from a wide variety of datasets in different domains. Additionally, we compared our algorithm to two resampling methods aimed at addressing imbalanced datasets. Our results show that the proposed extension is highly unlikely to perform worse than the base case, and on average outperforms the two resampling methods with significant differences in performance.
机器学习预测表型的评估：酵母、水稻和小麦的研究
DOI：
10.17863/cam.53487
发表时间：
2019
期刊：
--
影响因子：
--
作者：
Grinberg N
通讯作者：
Grinberg N
多相非线性动态系统响应预测的分层分类器回归集合：在气候分析中的应用
DOI：
--
发表时间：
2012
期刊：
2012 IEEE 12th International Conference on Data Mining Workshops
影响因子：
--
作者：
Doel L. Gonzalez;Zhengzhang Chen;I. Tetteh;Tatdow Pansombut;F. Semazzi;Vipin Kumar;A. Melechko;N. Samatova
通讯作者：
N. Samatova
影响因子：
7.5
作者：
Olier, Ivan;Sadawi, Noureddin;King, Ross D.
通讯作者：
King, Ross D.