Random-SMOTE：解锁不平衡数据集分类的新钥匙.docx

Random-SMOTE：解锁不平衡数据集分类的新钥匙

一、引言

1.1研究背景

在机器学习和数据挖掘领域，分类任务是一个核心研究方向，其旨在依据已有的数据特征，将数据划分到不同的类别之中。在理想状态下，用于训练分类模型的数据集应是平衡的，即每个类别所包含的样本数量大致相等，此时众多经典的分类算法，如决策树、支持向量机、朴素贝叶斯等，往往能够展现出良好的性能，可以较为准确地对新数据进行分类预测。

然而，在现实世界中，不平衡数据集极为普遍。在医疗诊断领域，某些罕见疾病的病例数量相对常见疾病而言少之又少；在金融领域，正常交易记录的数量远远多于欺诈交易记录；在工业生产中，设备正常运行状态下的数据