دانلود مقاله ISI انگلیسی شماره 48248
عنوان فارسی مقاله

میانگین هندسی بر اساس الگوریتم افزایشی با نمونه برداری بیش از حد جهت حل مشکل عدم تعادل داده ها برای پیش بینی ورشکستگی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
48248 2015 9 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Geometric mean based boosting algorithm with over-sampling to resolve data imbalance problem for bankruptcy prediction
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 42, Issue 3, 15 February 2015, Pages 1074–1082

کلمات کلیدی
عدم تعادل داده ها؛ پیش بینی ورشکستگی؛ افزایش حساس به هزینه
پیش نمایش مقاله
پیش نمایش مقاله میانگین هندسی بر اساس الگوریتم افزایشی با نمونه برداری بیش از حد جهت حل مشکل عدم تعادل داده ها برای پیش بینی ورشکستگی

چکیده انگلیسی

In classification or prediction tasks, data imbalance problem is frequently observed when most of instances belong to one majority class. Data imbalance problem has received considerable attention in machine learning community because it is one of the main causes that degrade the performance of classifiers or predictors. In this paper, we propose geometric mean based boosting algorithm (GMBoost) to resolve data imbalance problem. GMBoost enables learning with consideration of both majority and minority classes because it uses the geometric mean of both classes in error rate and accuracy calculation. To evaluate the performance of GMBoost, we have applied GMBoost to bankruptcy prediction task. The results and their comparative analysis with AdaBoost and cost-sensitive boosting indicate that GMBoost has the advantages of high prediction power and robust learning capability in imbalanced data as well as balanced data distribution.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.