原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 37 卷第 10期 2010 年 10 月计算机科学 ComputerScienceVol.37No.l0Oct2010 到稿日 期修日期文受国家自然科学基金6067503060875029资助。 崔云1979■男博士生讲师CCF会员主要研究方向为知识发现 Emaikyunfei_2001_杨炳儒1943■男教授博士生导师主要研究方向为知 识发现与智能系统、柔性建模与集成技术曲武1982 ■男博士牛主要研究方向为知识发 现。不平衡类数据挖掘研究综述翟云12杨炳儒1曲武1北京科技大学信息工程学院北 京1000831聊城大学计算机学院聊城2520592摘要综述了近年来国内外对不平衡类数 据挖掘的主要研究进展。首先分析了不平衡类数据挖掘的木质。其次详细探讨了处 理不平衡类数据挖掘的各种技术并根据其本质区别从数据层次和算法层次分别对目 前存在的各种技术方法进行了深入剖析和全面比较。最后指出当前不平衡类数据挖 掘研究的热点以及将来需要重点关注的主要问题。关键词机器学习不平衡类数据重 采样代价敏感学习中图法分类号TP181文献标识码
ASurveyofMiningImbalancedDatasetsZHAIYunl2YANGBingrulQUWulSchoolofInfor mationEngineeringUniversityofScienceandTechnologyBeijingBeijing 100083China 1 Colle geofComputerScienceLiaochengUniversityLiaocheng252059China2AbstractThispaperre viewedthepresentsituationofminingdatainimbalancedclassesathomeandabroadinrecentyear s.Firstlyitanalysedindepththeexistingproblemsandtheirresultingnature.Thenitindetaildealt withvariousstateoftheartdataminingtechniquesundertheimbalancedlearningscenario.More overfromthedatalevelandalgorithmlevelrespectivelyitanalysedandcomparedthemcompreh ensivelyinaccordancewithessentialdifference.Atthesametimethepapersummariedmeasure metricsevaluatingperfbrmanceofminingimbalancedatasets-Alsothepaperpointedoutrecenth otissuesoftheoreticstudiesandapplications.Finallytheperspectivesonfutureworkwerealsodis cussed.Key wordsMachinelearninglmbalancedclassificationResamplingCostsensitivelearn ing在两分类数据集中数量相当少的一类被称为少数类或稀缺类minorityclass而另一 类则被称为多数类majorityclass具有这样特征的两分类数据集则被称为是不平衡的。 正是由于少数类的样本和多数类的样本分别代表稀缺样本的存在与否故它们通常分 别被称为正样本positiveexamples和负样本negativeexampleso现实世界里不平衡类问 题是常见的如通过对不同病人检查形成的一系列乳房射线数据库已经在处理不平衡 类数据算法中得到广泛应用。其中癌变和健康的病例分别分到少数类和多数类。事 实上非癌变的病人数目要远远大于癌变的病人数目在数据集中存在10923个多数类 样木和260个少数类样本。在其他应用如信用卡欺骗检测12、文本分类3、信息搜索 及过滤4、市场行为分析5等中人们主要关心的是数据集中的少数类但这些少数类的 错分所产生的代价异常大甚至是不可估量的。因此在实际应用中通过数据挖掘技术 提高少数类的分类精度进而减少由于误分类造成的重大损失的研究任务迫在眉睫。 近几年来不平衡数据集的分类问题开始受到数据挖掘界的重视二在2000年 AAAItheAssociationfortheAdvancementofArtificiallntelligence 国际会议和2003年 ICMLtheinternationalConferenceonMachineLear
文档评论（0）