不平衡数据的集成分类算法综述 review on ensemble algorithms for imbalanced data classification.pdfVIP

第３１卷第５期 计 算 机 应 用 研 究 Ｖｏｌ．３１Ｎｏ．５ ２０１４年５月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｍａｙ２０１４ 不平衡数据的集成分类算法综述 １，２ １ １ 李　勇 ，刘战东 ，张海军 （１．新疆师范大学 网络信息安全与舆情分析重点实验室，乌鲁木齐８３００５４；２．南京航空航天大学计算机科学 与技术学院，南京２１００１６） 摘　要：集成学习是通过集成多个基分类器共同决策的机器学习技术，通过不同的样本集训练有差异的基分类 器，得到的集成分类器可以有效地提高学习效果。在基分类器的训练过程中，可以通过代价敏感技术和数据采 样实现不平衡数据的处理。由于集成学习在不平衡数据分类的优势，针对不平衡数据的集成分类算法得到广泛 研究。详细分析了不平衡数据集成分类算法的研究现状，比较了现有算法的差异和各自存在的优点及问题，提 出和分析了有待进一步研究的问题。 关键词：不平衡数据；集成学习；分类；代价敏感；数据采样 中图分类号：ＴＰ３９１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１４）０５１２８７０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１４．０５．００２ Ｒｅｖｉｅｗｏｎｅｎｓｅｍｂｌｅａｌｇｏｒｉｔｈｍｓｆｏｒｉｍｂａｌａｎｃｅｄｄａｔａｃｌａｓｓｉｆｉｃａｔｉｏｎ １，２ １ １ ＬＩＹｏｎｇ ，ＬＩＵＺｈａｎｄｏｎｇ，ＺＨＡＮＧＨａｉｊｕｎ （１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＮｅｔｗｏｒｋＩｎｆｏｒｍａｔｉｏｎＳｅｃｕｒｉｔｙ＆ＰｕｂｌｉｃＯｐｉｎｉｏｎＡｎａｌｙｓｉｓ，ＸｉｎｊｉａｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００５４，Ｃｈｉｎａ；２．Ｃｏｌ ｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓ＆Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１００１６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇｂｙｉｎｔｅｇｒａｔｉｎｇｍｕｌｔｉｐｌｅｂａｓｅｃｌａｓｓｉｆｉｅｒｓｔｈａｔｔｒａｉｎｅｄｄｉｆｆｅｒｅｎｔｓｅｔｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｃｌａｓ ｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ．Ｉｎｔｈｅｂａｓｅｃｌａｓｓｉｆｉｅｒｔｒａｉｎｉｎｇｐｒｏｃｅｓｓ，ｉｍｂａｌａｎｃｅｄｄａｔａｓｅｔｃａｎｂｅｐｒｏｃｅｓｓｅｄｂｙｅｉｔｈｅｒｃｏｓｔｓｅｎｓｉｔｉｖｅｏｒｄａｔａ ｓａｍｐｌｉｎｇｔｅｃｈｎｏｌｏｇｙ．Ｄｕｅｔｏｔｈｅａｄｖａｎｔａｇｅｓｏｆｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇｉｎｉｍｂａｌａｎｃｅｄｄａｔａｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｅｎｓｅｍｂｌｅａｌｇｏｒｉｔｈｍｓｆｏｒｉｍ ｂａｌａｎｃｅｄｄａｔａｃｌａｓｓｉｆｉｃａｔｉｏｎｈａｖｅｂｅｅｎｗｉｄｅｌｙｒｅｓｅａｒｃｈ．Ｔｈｉｓｐａｐｅｒｓｕｒｖｅｙｅｄｔｈｅｓｔａｔｅｏｆｔｈｅａｒｔｏｆｉｍｂａｌａｎｃｅｄｄａｔａｅｎｓｅｍｂｌｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｓ，ｉｎｃｌｕｄｉｎｇｔｈｅｍｅｃｈａｎｉｓｍｓａｎｄｆｅａｔｕｒｅｓｏｆｍａｊｏｒｅｘｉｓｔｉｎｇｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓ，ｔｈｅｉｒａｄｖａｎｔａｇｅｓａｎｄｄｉｓ ａｄｖａｎｔａｇｅｓ，ｈｉｇｈｌｉｇｈｔｅｄｔｈｅｏｐｅｎｒｅｓｅａｒｃｈｉｓｓｕｅｓａｎｄｆｕｔｕｒｅｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎｓ． Ｋｅｙｗｏｒｄｓ：ｉｍｂａｌａｎｃｅｄｄａｔａ；ｅｎｓｅｍｂｌｅｌｅａｒｎｉｎｇ；ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｃｏｓｔｓｅｎｓｉｔｉｖｅ；ｄａｔａｓａｍ