一种改进的不平衡数据集分类方法.pdfVIP

第37卷 第 l5期 计 算 机 工 程 2011年 8月 、，0l-37 NO．15 ComputerEngineering August2011 · 人工智能及识别技术 · 文章编号：10o-3428(2011)15—_0122一l3 文献标识码：A 中圈分类号：TP393 一 种改进的不平衡数据集分类方法 赵秀宽 ，阳建宏 ，黎 敏21徐金梧 (1，中国科学院地质与地球物理研究所，北京 100029；2．北京科技大学机械工程学院，北京 100083) 摘 要：传统的机器学习方法在解决不平衡分类问题时，得到的分类器具有很大的偏向性，表现为少数类识别率远低于多数类。为此，在 旋转森林分类方法的基础上，提出一种改进的不平衡数据处理方法——偏转森林。通过对少数类进行过抽样改变训练数据的分布以减小数 据的不平衡 ，采用随机抽取的方式确保生成偏转矩阵的样本间存在差异，从而提高集成分类器的分类精度。实验结果表明，该方法能取得 较好的分类性能，具有较高的少数类识别正确率和较低的多数类识别错误率。 关健词：不平衡数据集；偏转森林；集成分类器 ；过抽样 ImprovedUnbalancedDatasetClassificationM ethod ZHAO Xiu．kuan ，YANG Jian．hongz ， LIM in，XUJin．wu (1InstituteofGeologyandGeophysics，ChineseAcademyofSciences，Beijing100029，China； 2．SchoolofMechanicalEngineering，UniversityofScienceandTechnologyBeijing，Beijing100083，China) [Abstract!Referringtounbalanceddataset，thetraditionalmachinelearningmethodswillachievebiasedperformance．Usingtraditionalmethods， therecognitionrateofminorityclasswillbelowerthanhterecognitionrateofmajorityclass．Inthispaper，basedonrotationforest，itproposesall improvedunbalanceddatasetlearningmehtod，whichiscalleddeflectionforest．Itreducesdataunbalancebyover—samplinghtedataofminority class．Itasesrandom resamplingto increasediversityofsma pleswhichgeneratehtedeflectionmatrixandhten improveshteaccuracyrate． Experimentalresultsshow thatthedeflectionforestmethodachievesbetterperfomr nace，whichcarriesouthigherrecognitionrateofminorityclass andalsolowerrecognitionerrorrateofmajorityclass． [Keywords]unbalanceddataset；deflectionforest；integratedclassifier；over-sampling DOh10．3969／j．issn．1000．3428．2011．15．038 1 概述 成样本等，一定程度上解决了上述问题，如文献[1】提出的 在许多实际的模式分类问题中，存在大量数据不平衡分 SMO