|
|||||
|
|
| 一种基于欠采样的不平衡数据分类算法 | |
| 作者姓名： | 程险峰 李军 李雄飞 |
| 作者单位： | 1. 长春市公安局交通警察支队,长春,130011 2. 长春理工大学数学系,长春,130022;吉林大学符号计算与知识工程教育部重点实验室,长春,130012 3. 吉林大学符号计算与知识工程教育部重点实验室,长春,130012 |
| 基金项目： | 国家科技支撑计划基金资助项目,公安部重点科研基金资助项目(B类),吉林省科技发展计划基金资助项目 |
| 摘 要： | 针对不平衡数据学习问题,提出一种基于欠采样的分类算法。对多数类样例进行欠采样,保留位于分类边界附近的多数类样例。以AUC为优化目标,选择最恰当的邻域半径使数据达到平衡,利用欠采样后的样例训练贝叶斯分类器,并采用AUC评价分类器性能。仿真数据及UCI数据集上的实验结果表明,该算法有效。 |
| 关 键 词： | 机器学习 分类算法 不平衡数据 欠采样 邻域 |
| 收稿时间： | 2011-02-25 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程》浏览原始摘要信息 | |
| 点击此处可从《计算机工程》下载全文 | |