一种处理不均衡多分类问题的特征选择集成方法

摘要：

为解决不均衡多分类问题,提出一种特征选择和AdaBoost的集成方法.首先,数据进行预处理.利用WSPSO算法进行特征选择,根据特征重要性选取初始粒子构建初始种群,使得算法初期就可以沿着正确的搜索方向开展,减少不相关特征的影响.其次,利用AdaBoost算法对于样本权重较敏感的特点,增强对小类样本的关注度.并且利用AUCarea作为评价标准,相对于其他评价标准,AUCarea具有可视化的优点且对较差AUC更加敏感.最后,与其他几种不均衡分类算法在不平衡数据集上进行对比,结果证明该算法可有效处理不均衡多分类问题.

关键词：不平衡数据、集成学习、AdaBoost、特征选择、多分类

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：教育部-新华三集团云数融合基金资助项目2017A13055

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：125-134