针对不平衡数据集的维数约简方法.pdfVIP

E砬臣脚墅堕堕塑堕———————一一．—— 针对不平衡数据集的维数约简方法 on DimensionReductionUnbalancedDatasets Implementing 刘丽娜’ 于治楼一 张化祥’ LIULi—naYUZhi—louZHANG Hua—x／ang doi：10．3969／j．issn．1672-9528．2011．05．16 麴酸漕隧针对不平衡数据的分类问题，本文提出了一种新的方法，将特征选择应用在不平衡数据集中， 首先对数据集进行预处理，然后从特征选择的角度出发，选择具有较强能力代表数据集的特 征，简化数据的同时也提高了分类性能。通过实验表明，该方法能够有效地提高分类精度。 戳键谢不平衡数据集特征选择聚类 AbstractThis anewmethodforimbalanceddataclassification．Aftertheunbalanceddata paperproposes set feature with is features data selection，some preprocessedbyimplementing strong representativecapabilities ale classifiersayeconstructedonthe resultsshowthis im— left，and preproeesseddataset．Experimental approach the datasets． classificationforunbalanced proves accuracy UnbalanceddatasetFeatureselection Keywords Clustering 距较近的正例之间插入人造的正例。(2)欠取样方 1 引言 法，如Tomeklinks¨1基本思想是给定两个样本xi， 分类问题是机器学习领域的重要研究内容之 xj属于不同的类，它们之间的距离用d(xi，xj)表示。 一，本文针对不平衡数据的分类问题展开论述，所谓 不平衡数据是指在一个数据集中某一类样本在总样 Tomek links。如果两个样本构成Tomek 本中占有的数量相对很少，而这些很少的样本往往 links，则其 又是非常重要的要本，例如医疗诊断中…，癌症病 中某个样本为噪点，或者两个样本在两类的边界上。 人相当于大多数人来说是少数类样本，如果把正常 ENNHl的基本思想是去掉那些类标与离它最近的三 人误诊为癌症病人固然会给他带来精神上的负担， 个样本中的两个类标不同的样本。(3)过取样与欠 但如果把一个病人误诊为正常，就可能会错过最佳 治疗时期，从而造成严重的后果，目前