一种面向不均衡数据集的IG特征选择改进算法

摘要：

在文本分类中,各类别样本数目不等是普遍存在且备受关注的问题.本文从特征选择优化出发,分析了特征项在类内出现的频率、类内分散度、类间集中度以及不均衡数据集下文档的差异性对IG特征选择影响,引入了类内词频加权因子、类内词频分散度加权因子、类间词频集中度加权因子对传统信息增益特征选择模型进行改进,提出了一种改进的IG特征选择方法,并分别采用SVM和KNN两种算法进行分类实验.实验结果表明:在不均衡数据集上,本文所改进的特征选择方法具有更好的分类效果.

关键词：不均衡数据集;IG;特征项;特征选择

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：信阳农林学院青年基金项目20200115

在线出版日期：2022-01-04（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：114-118