多类不平衡数据上的分类器性能比较研究

摘要：

不同的基分类器对不同分布类型的多类别不平衡数据的适应性存在较大差异.为此,针对分类器的选用问题,在分析比较准确率(ACC)及曲线下面积(AUC)的评价标准基础上,选择基于AUC的分类器评价方法,将支持向量机、决策树和贝叶斯分类器应用于标准数据集中,并采用AUC来评价结果,得出相关结论:在多类不平衡数据上,贝叶斯是最好的基分类器,且SVM分类器存在一定改进空间.

关键词：多类不平衡数据、基分类器、ROC曲线下面积、准确率

所属期刊栏目：37

分类号：N945(系统科学)

资助基金：教育部留学回国人员科研启动基金

在线出版日期：2011-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：160-161,164