کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4969679 | 1449978 | 2017 | 27 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Adjusted weight voting algorithm for random forests in handling missing values
ترجمه فارسی عنوان
الگوریتم رأی گیری وزن برای جنگل های تصادفی در دست زدن به مقادیر گمشده تنظیم شده است
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
جنگل های تصادفی، ارزش از دست رفته، رویکردهای محاسبه، تصمیمات متضاد، رای دادن وزنی،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
AWVRF is compared with the methods of mean imputation, LeoFill, knnimpute, BPCAfill and conventional RF with surrogate decisions (surrRF) using 50 times repeated 5-fold cross validation on 10 acknowledged datasets. In a total of 22 experiment settings, the method of AWVRF harvests the highest accuracy in 14 settings and the largest AUC in 7 settings, exhibiting its superiority over other methods. Compared with surrRF, AWVRF is significantly more efficient and remain good discrimination of prediction. Experimental results show that the present AWVRF algorithm can successfully handle the classification task for incomplete data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 69, September 2017, Pages 52-60
Journal: Pattern Recognition - Volume 69, September 2017, Pages 52-60
نویسندگان
Xia Jing, Zhang Shengyu, Cai Guolong, Li Li, Pan Qing, Yan Jing, Ning Gangmin,