不平衡分类问题研究综述

摘要：

实际的分类问题往往都是不平衡分类问题,采用传统的分类方法,难以得到满意的分类效果.为此,十多年来,人们相继提出了各种解决方案.对国内外不平衡分类问题的研究做了比较详细地综述,讨论了数据不平衡性引发的问题,介绍了目前几种主要的解决方案.通过仿真实验,比较了具有代表性的重采样法、代价敏感学习、训练集划分以及分类器集成在3个实际的不平衡数据集上的分类性能,发现训练集划分和分类器集成方法能较好地处理不平衡数据集,给出了针对不平衡分类问题的分类器评测指标和将来的工作.

关键词：机器学习、不平衡模式分类、重采样、代价敏感学习、训练集划分、分类器集成、分类器性能评测

所属期刊栏目：4

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目60375022,60473040

在线出版日期：2009-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：148-156