基于混合采样的非平衡数据分类算法-计算机科学与探索.PDF

计算机科学与探索 1673-9418/2019/ 13(02)-0342-08 Journal of Frontiers of Computer Science and Technology doi: 10.3778/j.issn. 1673-9418.1804041 基于混合采样的非平衡数据分类算法* 1,2 1,2+ 1,2 吴艺凡 ，梁吉业 ，王俊红 1. 山西大学 计算机与信息技术学院，太原 030006 2. 山西大学 计算智能与中文信息处理教育部重点实验室，太原 030006 + 通讯作者 E-mail: ljy@ 摘 要：过采样和欠采样方法是处理非平衡数据集分类的常用方法，但使用单一的采样算法可能造成少数类 样本过拟合或者丢失含有重要信息的样本。提出了基于分类超平面的混合采样算法SVM_HS（hybrid sampling algorithm based on support vector machine ），旨在克服SVM 算法在处理非平衡数据时分类超平面容易偏向少 数类样本的问题。该算法首先利用SVM 算法得到分类超平面。然后迭代进行混合采样，主要包括：（1）删除离 分类超平面较远的一些多数类样本；（2 ）对靠近真实类边界的少数类样本用SMOTE（synthetic minority over- sampling technique）过采样，使分类超平面向着真实类边界方向偏移。实验结果表明相比其他相关算法，该算 法的F-value 值和G-mean 值均有较大提高。 关键词：非平衡；支持向量机（SVM）；少数类样本过采样技术（SMOTE）；分类超平面；混合采样 文献标志码：A 中图分类号：TP391 吴艺凡, 梁吉业, 王俊红. 基于混合采样的非平衡数据分类算法[J]. 计算机科学与探索, 2019, 13(2): 342-349. WU Y F, LIANG J Y, WANG J H. Classification algorithm based on hybrid sampling for unbalanced data[J]. Jour- nal of Frontiers of Computer Science and Technology, 2019, 13(2): 342-349. Classification Algorithm Based on Hybrid Sampling for Unbalanced Data 1,2 1,2+ 1,2 索 WU Yifan , LIANG Jiye , WANG Junhong 1. School of Computer and Information Technology, Shanxi University, Taiyuan 030006, China 探 2. Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education, 与 Shanxi University, Taiyuan 030006, China 学 g Abstract: The over-sampling and under-sampling that are used to classify unbalanced datasets are common methods. 科 r However, the two methods either lead to over-fitting or lose important samples. Based on this insight, a hybrid