DBSCAN和逻辑回归混合策略方法在锅炉燃烧故障诊断中的应用.docx

在二元分类问题中经常会出现样本不平衡问题，样本不平衡是指一个类的实例(多数类)明显多于另一个类(少数类)。而在实际应用中，正确识别少数类实例往往更有价值，例如，在故障诊断中，正常状态远远多于故障状态，但是正确识别故障状态更有意义。目前绝大多数的机器学习算法针对的是平衡样本集，因此，用常规学习算法来训练不平衡样本集往往产生的是次优模型，其性能和泛化能力较弱[1-2]。 针对二分类问题中的样本不平衡问题，已经提出了很多解决办法，常用的方法有通过抽样的方法重新平衡样本集，如上采样技术；自主选择更有价值的子样本集训练模型，使用其他示例提高模型的性能[3-4]；通过调整算法使得学习到的模型更倾向于正确分