不平衡数据分类数据层面方法：现状及研究进展

在不平衡数据的分类中，标准分类器为优化整体的分类误差会牺牲少数类的分类准确率，而实际应用中通常更重视对少数类的准确识别。数据层面方法因其有独立于分类器、泛化能力较强、实现简单等优势，成为解决不平衡数据分类问题的有效策略。围绕不平衡数据分类的数据层面方法开展综述研究，分析造成不平衡数据分类问题的影响因素，从样本空间优化、特征空间优化两个方向对重采样方法及特征选择方法的相关研究进行梳理和评述，并对两类方法进行横向比较。最后提出了需要重点关注的问题和可能的研究机会，以期为不平衡数据分类算法研究及应用提供借鉴和参考。