×

基于随机森林RF和欠采样集成的垃圾网页检测

消耗积分:1 | 格式:rar | 大小:0.64 MB | 2017-12-22

分享资料个

　　为解决垃圾网页检测过程中的不平衡分类和“维数灾难”问题，提出一种基于随机森林（ RF）和欠采样集成的二元分类器算法。首先使用欠采样技术将训练样本集大类抽样成多个子样本集，再将其分别与小类样本集合并构成多个平衡的子训练样本集；然后基于各个子训练样本集训练出多个随机森林分类器；最后用多个随机森林分类器对测试样本集进行分类，采用投票法确定测试样本的最终所属类别。在WEBSPAM UK-2006数据集上的实验表明，该集成分类器算法应用于垃圾网页检测比随机森林算法及其Bagging和Adaboost集成分类器算法效果更好，准确率、F1测度、ROC曲线下面积（AUC）等指标提高至少14%，13%和11%。与Web spam challenge 2007优胜团队的竞赛结果相比，该集成分类器算法在F1测度上提高至少1%，在AUC上达到最优结果。

下载并关注上传者 低至0.43元/天 开通VIP 免费下载

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !