BriefGPT - AI 论文速递
·
基于随机森林实现的异常检测的 Mallows-like 准则
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的准则，用于极度不平衡数据的分类，通过模型平均方法和聚合多个模型的新标准，在 Random Forest 算法中取代传统的投票方法。评估结果显示，该方法在准确性和稳健性方面超越了传统的模型平均和典型损失函数，还胜过常见的异常检测算法。
🎯
关键要点
- 该研究提出了一种新的准则，用于极度不平衡数据的分类。
- 通过模型平均方法和聚合多个模型的新标准，取代了传统的投票方法。
- 聚焦损失函数用于极度不平衡数据的分类。
- 在 Random Forest 算法中应用该新准则。
- 基于各种领域的基准数据集进行评估，包括网络入侵等。
- 评估结果显示，该方法在准确性和稳健性方面超越了传统的模型平均和典型损失函数。
- 该方法还胜过常见的异常检测算法。
🏷️
标签
➡️
