剪枝和网格采样相结合的非平衡数据集分类方式.pdfVIP

摘要 摘 要 非平衡数据集分类问题是模式识别、机器学习和数据挖掘领域中的常见问 题，也是热点问题，吸引着众多学者的眼球。非平衡数据集是指数据集类别之间 存在倾斜，某一类别样本比其它类别样本要多。传统分类器为了追求高准确率， 侧重于非平衡数据集中的多数类样本分类的准确性。而恰恰相反，非平衡数据集 中的少数类样本往往是我们所要关心的，这时分类性能不仅要考虑分类精度高 低，同时要考虑分类代价大小。传统分类器对这种非平衡数据的处理会更多关注 多数类别的样本，导致大量重要的少数类别的样本错分且真实信息受损。因此， 研究非平衡数据处理问题是非常重要。 目前，国内外学者在非平衡数据集分类问题上的研究已取得一定的成就，主 要表现在数据预处理和算法两大层面上，在算法层面上，主要是试图改进传统算 法，提高在非平衡数据集上的分类性能。而在数据预处理层面上，学者们研究大 体是对负类样本进行欠采样，去除噪声数据和远离分类面数据，对正类样本过采 样，加入噪声数据以至于达到数据平衡，再采用已有分类器进行分类，试图提高 准确率。然而，去除数据还是加入数据，不同学者处理的方法也是不同的。 本文在前人研究基础上，