基于边界分布非平衡数据集分类研究_姚倩.pdfVIP

Logistics Sci-Tech No.10, 2015 物流科技 2015 年第10 期 誗基金项目誗 文章编号：1002-3100 (2015) 10-0013-05 基于边界分布的非平衡数据集分类研究 The Research of Classification of Imbalanced Data Based on the Distribution of the Data on Borderline （ 姚 倩 ，张 宁 上海理工大学管理学院，上海 200093） YAO Qian, ZHANG Ning (Management School, University of Shanghai for Science and Technology, Shanghai 200093, China) 摘 要：非平衡数据集的分类问题是数据挖掘领域 的一 the imbalanced problems, especially those of the poor predic－ 个研究 热点。针对非平衡数据集分类 困难的问题，特别是 由 tive accuracy over the minority class, this paper presents an 于非平衡分布引起的少数类识别能力低 下的问题，提出了一 improved approach, SMOTE-SVM-KNN. To solve the problem 种改进算法 ，SMOTE-SVM-KNN。针对传统的过采样算法盲 that traditional over -sampling algorithms do oversampling 目过采样 的问题进行了研究，提出了一种基 于边界分布的采 blindly, a sampling algorithm based on the distribution of the 样算法。该算法利用 SVM 得到 支持向量作为边界 ，同时删除 data on borderline is presented. This algorithm consider the 噪声点。针对边界上的点，计算其分布 ，然后按照分布对边 support vector as borderlines using SVM. At the same time, 界 上 的 点进行过 采 样 。在 实 际数据 集 上 进行 试 验 ，并与 noise points are deleted. As for the points on the borderline, SMOTE-SVM 算法进行 比较 ，试验结果表明该算法能够有效 the distribution is computed. Then the oversampling of the 地提 高少数类的分类准确率。 borderline points is done based on the distribution. Compared 关键词：支持向量机 ；非平衡数据集；K 阶最近邻 with SMOTE-SVM algorithm on real data set