稀有类分类问题探讨.pdfVIP

第 20 期 计 算 机 技 术 与 发展 vo1．20 N0．7 2010年 7月 COMPUqERTECHNOIZIGYANDDEVELOI?MENT ju1． 2010 稀有类分类问题探讨 职为梅 ，范 明 (郑州大学信息工程学院，河南郑州 450052) 摘 要：分类是数据挖掘中的重要任务之一，稀有类分类问题是分类中的一个重要分支 ，可以描述为从一个分布极不平衡 的数据集中标识出那些具有显著意义却很少发生的实例，在现实生活中的很多领域都有广泛的应用。详细地介绍了稀有 类分类的问题，探讨了稀有类分类的一些特征、影响稀有类分类的一些因素和对稀有类分类进行评估的标准，介绍了当前 分类稀有类的主要方法：基于数据集的方法和基于算法的方法。介绍了当前几种流行的稀有类分类算法。 关键词：分类；稀有类；显露模式；两阶段分类 中图分类号：n】301 文献标识码：A 文章编号：1673—629X(2010)07—0250～04 Research onClassification ofRareClasses ZHIW ei—mei，FAN M ing (CollegeofInformationEngineering，ZhengzhouUniversity，Zhengzhou450052，China) Abstract：CIassifiactionisallimportanttaskindatamining．Rareclassificationisapartofclassificationanditcanbedescribedasidentify— ing theinstancewithstatisticalsignificancefrom imbalnaeeddatasets．Theclassificationofrarelyoccurringese8iswidelyusedinmany reallireappliactions．Introduce thequestionofrateclassificationanddiscttssthefeatttresna dgenera／criteriaofrareclarification．andalso studythepopularmethodstoelassifyrraecases：basedOndaatlevelandalgorithm leve1．Inthelastintroduce thepopularalgorithmofrare cl~sifiaction． Keyw0rds：classification；rraeclass；eme~ing 曲ttern；two—phaseclassification O 引 言 立在训练数据集上，得出最适合数据集特征的结果，训 分类是数据挖掘中的重要任务之一 ，在商业、金 练数据集中稀有类的实例数量少，使得分类器不倾 向 融、电讯、DNA分析、科学研究等诸多领域具有广泛的 于稀有类，分类准确率低。文中将详细分析稀有类分 应用。统计学、机器学习、神经网络等领域的研究者提 类的特征、稀有类的评估标准以及 当前分类稀有类的 出了很多分类方法uJ。分类稀有类是分类中的一个重 一 些方法。 要问题。这个问题可以描述为从一个分布极不平衡的 数据集中标识出那些具有显著意义却很少发生的实 l 稀有类分类介绍 例。分类稀有类在现实生活中的很多领域都有广泛的 普通分类问题中，各个类包含的数据分布比较平 应用，例如，网络侵入检测 、欺骗探测和偏差探测。在 衡，稀有类分类问题 中，数据的分布极不平衡。例如：