面向不均衡数据集中少数类细分的过采样算法

摘要：

在不均衡数据集中,少数类样本的分布相对于决策边界具有差异性,而传统的过抽样算法通常并未对差异性做不同处理.为此,提出一种面向不均衡数据集的过采样算法SD-ISMOTE.该算法根据少数类样本的k近邻分布将其细分为DANGER,AL_SAFE,SAFE 3个集合,DANGER和AL_SAFE中的样本更靠近决策边界.借助ISMOTE思想在n维球体内随机插值,扩大两类样本的过采样范围,同时引入轮盘赌选择算法进行采样选择,避免新生成的样本冗余.实验结果表明,SD-ISMOTE算法在C4.5和朴素贝叶斯分类器下的分类性能相较于Borderline-SMOTE和ISMOTE均有不同程度的提高,可有效解决数据集中样本分布不均衡的问题.

关键词：不均衡数据集、决策边界、分类、随机插值、少数类细分

所属期刊栏目：43

分类号：TP311(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金项目106112013CDJZR180014;重庆市自然科学基金cstc2012jjA40002

在线出版日期：2017-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：241-247