基于集成方法的不平衡数据分类研究

摘要：

按照不同不平衡数据集在面对四类分类情况时侧重点的不同,构造出一种适用于不同特征不平衡数据的分类评价指标,并围绕此指标调整弱分类器权重及样本权重,改进集成算法中的AdaBoost算法,使其自适应不同特征的不平衡数据集分类.选择决策树算法作为基分类器算法进行仿真实验,发现使用AdaBoost算法和GBDT算法后准确率降幅较大,而改进的PFBoost算法能够在保证准确率的情况下显著提升F1值和G-mean值,且在绝大多数数据集上的F1值和G-mean值提升幅度远超其它两种集成算法.

关键词：不平衡数据;数据特征;自适应;PFBoost

所属期刊栏目：49

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目编号:61304169

在线出版日期：2021-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2271-2275