Tackling Class Imbalance with Ranking

• Tipo: Artigo em Livro de Atas de Conferência Internacional
• Data: 2016

Autores

Cruz, R (Autor) Outra; Fernandes, K (Autor) Outra; Jaime S Cardoso (Autor) FEUP; Da Costa, JP (Autor) FCUP

Ata de Conferência Internacional

Título: 2016 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)

Páginas: 2182-2187

International Joint Conference on Neural Networks (IJCNN)

Vancouver, CANADA, JUL 24-29, 2016

Indexação

ISI Web of Knowledge - 24 Citações

Scopus - 31 Citações

Classificação Científica

FOS: Ciências exactas e naturais > Matemática

Outras Informações

ID Authenticus: P-00M-8F6

DOI: 10.1109/ijcnn.2016.7727469

Abstract (EN): In classification, when there is a disproportion in the number of observations in each class, the data is said to be class imbalance. Class imbalance is pervasive in real world applications of data classification and has been the focus of much research. The minority class contributes too little to the decision boundary because the learning process learns from each observation in isolation. In this paper, we discuss the application of learning pairwise rankers as a solution to class imbalance. We compare ranking models to alternatives from the literature.

Idioma: Inglês

Tipo (Avaliação Docente): Científica

Nº de páginas: 6