Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:0804.0650v1

帮助 | 高级搜索

统计学 > 应用

arXiv:0804.0650v1 (stat)
[提交于 2008年4月4日 ]

标题: 风暴预测:不平衡数据下逻辑回归与随机森林的对比

标题: Storms prediction : Logistic regression vs random forest for unbalanced data

Authors:Anne Ruiz (IMT, Gremaq), Nathalie Villa (IMT)
摘要: 本研究的目的是比较两种监督分类方法在一项重要的气象问题上的表现。数据由需要被分类为对流系统或非对流系统的云系卫星测量数据组成。对流云系与闪电相对应,检测这些系统对于雷暴监测和预警具有重要意义。由于该问题是高度不平衡的,我们考虑了特定的性能标准和不同的策略。此案例研究可用于数据挖掘高级课程中,以展示逻辑回归和随机森林在具有不平衡类别的真实数据集上的应用。
摘要: The aim of this study is to compare two supervised classification methods on a crucial meteorological problem. The data consist of satellite measurements of cloud systems which are to be classified either in convective or non convective systems. Convective cloud systems correspond to lightning and detecting such systems is of main importance for thunderstorm monitoring and warning. Because the problem is highly unbalanced, we consider specific performance criteria and different strategies. This case study can be used in an advanced course of data mining in order to illustrate the use of logistic regression and random forest on a real data set with unbalanced classes.
主题: 应用 (stat.AP) ; 统计理论 (math.ST)
引用方式: arXiv:0804.0650 [stat.AP]
  (或者 arXiv:0804.0650v1 [stat.AP] 对于此版本)
  https://doi.org/10.48550/arXiv.0804.0650
通过 DataCite 发表的 arXiv DOI
期刊参考: Case Studies in Business, Industry and Government Statistics 1, 2 (2007) 91-101

提交历史

来自: Nathalie Villa [查看电子邮件]
[v1] 星期五, 2008 年 4 月 4 日 05:02:11 UTC (773 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
stat.AP
< 上一篇   |   下一篇 >
新的 | 最近的 | 2008-04
切换浏览方式为:
math
math.ST
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号