Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/40165
Título: Learning from imbalanced data sets with weighted cross-entropy function
Data do documento: 2019
Editor: Springer
Citação: AURELIO, Y. S. et al. Learning from imbalanced data sets with weighted cross-entropy function. Neural Processing Letters, [S.l.], v. 50, p. 1937-1949, 2019.
Resumo: This paper presents a novel approach to deal with the imbalanced data set problem in neural networks by incorporating prior probabilities into a cost-sensitive cross-entropy error function. Several classical benchmarks were tested for performance evaluation using different metrics, namely G-Mean, area under the ROC curve (AUC), adjusted G-Mean, Accuracy, True Positive Rate, True Negative Rate and F1-score. The obtained results were compared to well-known algorithms and showed the effectiveness and robustness of the proposed approach, which results in well-balanced classifiers given different imbalance scenarios.
URI: https://link.springer.com/article/10.1007/s11063-018-09977-1
http://repositorio.ufla.br/jspui/handle/1/40165
Aparece nas coleções:DCC - Artigos publicados em periódicos

Arquivos associados a este item:
Não existem arquivos associados a este item.


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador