ACS的想法是分布每个类的实例数,以便以最低的要求实例达到一定级别的分类性能[2,p。 29]。[10]中介绍的工作(另请参见[9])提到了不同的技术来确定此类的收购块。首先,Lomasky等。[10]建议使用均匀分布和原始比例(通常不称为基准)。此外,他们在已经看到的块上执行了所谓的f-折叠交叉验证,以将结果用于下一个块:该方法逆向按类准确性的倒数来分配信息。的扩展称为准确性提高。它根据两个最新块之间的准确性差异分配值。重新划分的方法计算了通过在培训集中添加最新的块来添加最新的块,从而计算出已夸张的标签数量(这些实例被标记为重新分配)。在此,即将到来的实例是根据真实类的重新分配实例的数量分发的。
主要关键词