一种基于欠采样的不平衡数据分类算法

被引：60

作者：

程险峰 ^{[1
]}

李军 ^{[2
,3
]}

李雄飞 ^{[3
]}

机构：

[1] 长春市公安局交通警察支队

[2] 长春理工大学数学系

[3] 吉林大学符号计算与知识工程教育部重点实验室

来源：

关键词：

机器学习; 分类算法; 不平衡数据; 欠采样; 邻域;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

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。

引用

页码：147 / 149

页数：3