An optimized k-NN approach for classification on imbalanced datasets with missing data
المؤلف | Ozan, Ezgi Can |
المؤلف | Riabchenko, Ekaterina |
المؤلف | Kiranyaz, Serkan |
المؤلف | Gabbouj, Moncef |
تاريخ الإتاحة | 2021-09-05T05:40:12Z |
تاريخ النشر | 2016 |
اسم المنشور | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) |
المصدر | Scopus |
الرقم المعياري الدولي للكتاب | 3029743 |
الملخص | In this paper, we describe our solution for the machine learning prediction challenge in IDA 2016. For the given problem of 2-class classification on an imbalanced dataset with missing data, we first develop an imputation method based on k-NN to estimate the missing values. Then we define a tailored representation for the given problem as an optimization scheme, which consists of learned distance and voting weights for k-NN classification. The proposed solution performs better in terms of the given challenge metric compared to the traditional classification methods such as SVM, AdaBoost or Random Forests. Springer International Publishing AG 2016. |
اللغة | en |
الناشر | Springer Verlag |
الموضوع | Imbalanced datasets K-NN classifier Missing data |
النوع | Conference Paper |
الصفحات | 387-392 |
رقم المجلد | 9897 LNCS |
الملفات في هذه التسجيلة
الملفات | الحجم | الصيغة | العرض |
---|---|---|---|
لا توجد ملفات لها صلة بهذه التسجيلة. |
هذه التسجيلة تظهر في المجموعات التالية
-
الهندسة الكهربائية [2568 items ]