一种多标签随机均衡采样算法.PDFVIP

第３４卷第１０期 计 算 机 应 用 研 究 Ｖｏｌ．３４Ｎｏ．１０ ２０１７年１０月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｏｃｔ．２０１７ 一种多标签随机均衡采样算法 李思豪，陈福才，黄瑞阳 （国家数字交换系统工程技术研究中心，郑州４５０００２） 摘　要：为解决多标签学习中数据不平衡、传统重采样过程标签样本集相互影响以及弱势类信息大量重复和强 势类信息大量丢失的问题，提出多标签随机均衡采样算法。该算法在多标签的条件下提出随机均衡采样思想， 充分利用强势类和弱势类信息来平衡数据冗余和损失；优化样本复制和删除策略，保证不同标签重采样过程的 独立性；提出平均样本数，保持数据的原始分布。实验在三个数据集下对比了三种多标签重采样算法的性能，结 果表明，０．２和０．２５是所提算法的最佳重采样率，且该算法尤其适用于不平衡度较高的数据集，与其他方法相比 具有最好的性能。 关键词：多标签学习；数据不平衡；平均样本数；随机均衡采样 中图分类号：ＴＰ３０１．６　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１７）１０２９２９０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．１０．０１１ Ｍｕｌｔｉｌａｂｅｌｒａｎｄｏｍｂａｌａｎｃｅｄｒｅｓａｍｐｌｉｎｇａｌｇｏｒｉｔｈｍ ＬｉＳｉｈａｏ，ＣｈｅｎＦｕｃａｉ，ＨｕａｎｇＲｕｉｙａｎｇ （ＮａｔｉｏｎａｌＤｉｇｉｔａｌＳｗｉｔｃｈｉｎｇＳｙｓｔｅｍＥｎｇｉｎｅｅｒｉｎｇ＆ＴｅｃｈｎｏｌｏｇｉｃａｌＲ＆ＤＣｅｎｔｅｒ，Ｚｈｅｎｇｚｈｏｕ４５０００２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｄｅａｌｗｉｔｈｔｈｅｃｌａｓｓｉｍｂａｌａｎｃｅｉｎｍｕｌｔｉｌａｂｅｌｌｅａｒｎｉｎｇ，ｔｈｅｉｎｔｅｒａｃｔｉｏｎｂｅｔｗｅｅｎｄｉｆｆｅｒｅｎｔｌａｂｅｌｓｅｔｓ，ｔｈｅｉｎｆｏｒｍａｔｉｏｎ ｒｅｄｕｎｄａｎｃｙｏｆｍｉｎｏｒｉｔｙｃｌａｓｓｅｓａｓｗｅｌｌａｓｔｈｅｌｏｓｓｏｆｍａｊｏｒｉｔｙｃｌａｓｓｅｓｔｈａｔｅｘｉｓｔｅｄｉｎｔｒａｄｉｔｉｏｎａｌｍｕｌｔｉｌａｂｅｌｒｅｓａｍｐｌｉｎｇ，ｔｈｉｓｐａｐｅｒ ｐｕｔｆｏｒｗａｒｄａｍｕｌｔｉｌａｂｅｌｒａｎｄｏｍｂａｌａｎｃｅｄｒｅｓａｍｐｌｉｎｇａｌｇｏｒｉｔｈｍ．Ｔｈｅａｌｇｏｒｉｔｈｍｐｒｏｐｏｓｅｄｔｈｅｒａｎｄｏｍｂａｌａｎｃｅｄｒｅｓａｍｐｌｉｎｇｍｅｔｈｏｄ ｔｏｍａｋｅｕｓｅｏｆｍｉｎｏｒｉｔｙａｎｄｍａｊｏｒｉｔｙｉｎｆｏｒｍａｔｉｏｎｔｏｂａｌａｎｃｅｔｈｅｒｅｄｕｎｄａｎｃｙａｎｄｔｈｅｌｏｓｓ，ｉｍｐｒｏｖｅｄｒｅｐｌｉｃａｔｉｏｎａｎｄｄｅｌｅｔｉｏｎｓｔｒａ ｔｅｇｙｔｏｅｎｓｕｒｅｔｈｅｉｎｄｅｐｅｎｄｅｎｃｅｏｆｔｈｅｒｅｓａｍｐｌｉｎｇｐｒｏｃｅｓｓｏｆｄｉｆｆｅｒｅｎｔｌａｂｅｌｓ，ａｎｄｍａｉｎｔａｉｎｅｄｔｈｅｏｒｉｇｉｎａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｄａｔａｓｅｔ ｗｉｔｈｎｅｗｌｙｐｒｏｐｏｓｅｄｍｅａｎｉｎｓｔａｎｃｅｓｉｚｅ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｅｓｐｅｃｉａｌｌｙｓｕｉｔｆｏｒｄａｔａｓｅｔｓｗｉｔｈ ｈｉｇｈｅｒｉｍｂａｌａｎｃｅｒａｔｉｏａｎｄａｃｈｉｅｖｅｓｔｈｅｂｅｓｔｐｅｒｆｏｒｍａｎｃｅ，０．２ａｎｄ０．２５ａｒｅｔｈｅｂｅｓｔｒｅｓａｍｐｌｉｎｇｒａｔｉｏｓｉｎｉｔ． Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉｌａｂｅｌｌｅａｒｎｉｎｇ；ｃｌａｓｓｉｍｂａｌａｎｃｅ；ｍｅａｎｉｎｓｔａｎｃｅｓｉｚｅ；ｒａｎｄｏｍｂａｌａｎｃｅｄｒｅｓａｍｐｌｉｎｇ 　　数据不平衡是广泛存在于数据集中的异类样本数相差较 算法复杂度，他们又提出了多标签随机过采样（ＭＬＲＯＳ）和多 大的现象。其中，样本数较多的类称为强势类，对应强势标签， 标签随机欠采样