面向机器学习的训练数据集均衡化方法

摘要：

为提高机器学习算法对于不均衡数据的建模效果, 提出一种均衡化预处理方法.采用iForest形成每个样本在样本空间中的分布特征评估值, 基于负类 (多数类) 样本的分布特征评估值定义概率分布;根据样本的概率分布, 通过轮盘转算法选取负类样本;通过K-means方法形成若干负类样本聚类中心, 以聚类中心为最终负类选取样本, 实现正负类样本的均衡化.整个过程构成均衡化方法iForest-RM.iForest-RM与其它采样方法在Adaboost模型上的实验对比结果表明, iForest-RM具有更好的均衡化能力, 更好获取样本空间分布特性, 可有效应用于地震相识别.

关键词：数据预处理、不均衡数据、隔离森林、均值聚类、轮盘转算法

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家高新技术研究发展计划基金项目2009AA062802;中国石油CNPC石油科技中青年创新基金项目05E7013;国家油气重大专项子课题基金项目G5800-08-ZS-WX;中国石油大学北京克拉玛依校区科研启动基金项目RCYJ2016B-03-001

在线出版日期：2019-05-31（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：812-818