2v-SSPC—一种不平衡数据分类方法

被引：2

作者：

薛贞霞 ^{[1
,2
]}

刘三阳 ^{[1
]}

刘万里 ^{[1
,3
]}

机构：

[1] 西安电子科技大学应用数学系

[2] 河南科技大学数学系

[3] 洛阳师范学院数学系

来源：

系统工程与电子技术 | 2008年 / 30卷 / 12期

关键词：

模式识别; 分类算法; 不平衡数据; 参数选择; 超球面;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对现有分类算法通常对不平衡数据挖掘表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,提出一种不平衡数据分类方法。该方法通过一个超球面将两类数据以最大分离比率分离,并且引入两个参数来分别控制两类错分率的上界,不仅提高了不平衡数据集的分类和预测的性能,而且大大缩小了参数的选择范围。在UCI真实数据上进行了实验,并采用ROC曲线下面积作为评估指标进行比较,结果验证了该方法的有效性。

引用

页码：2471 / 2476

页数：6