基于不平衡数据的特征选择算法研究

摘要：

不平衡分类问题广泛存在于医疗、经济等领域,对于不平衡数据集分类,特别是高维数据分类时,有效的特征选择算法至关重要.然而多数特征选择算法未考虑特征协同的影响,导致分类性能下降.对FA S T特征选择算法进行改进,并考虑特征的协同作用,提出一种新的特征选择算法FSBS.运用AUC对特征进行评估,以相互增益衡量协同作用大小,选出有效特征,进而对不平衡数据进行分类.实验结果表明,该算法能有效地选择特征,尤其在特征数量较少的情况下可保持较高的分类准确率.

关键词：特征选择;不平衡数据;FSBS算法;特征协同;分类准确率

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;山西省自然科学基金

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：100-107