《采样算法综述》2300字.docxVIP

第

第PAGE1页共NUMPAGES23页

采样算法综述

目录

TOC\o1-3\h\u23249采样算法综述 1

134441.1欠采样算法 1

86741.2过采样算法 2

223571.3混合采样算法 3

在对不平衡数据集进行分类时，为了提高分类算法的整体分类准确率，在建模前，需要利用重采样技术对不平衡数据集进行平衡化处理，来保证不同类别样本数量的平衡。重采样方法可分为过采样、欠采样以及混合采样。

1.1欠采样算法

欠采样算法的核心思想是通过删除部分多数类样本来改变数据集的类别分布，使不同类别的样本数量达到平衡。

(1)随机欠采样(RandomUnder-sampling，RUS）

随机欠采样RUS(RandomUnder-sampling)是[43]一种简单的欠采样方法。它是指在不平衡数据集中，随机的删除部分多数类样本来平衡数据集。这种方法操作简单，但是这种随机性会导致丢失重要的样本信息。

(2)TomekLinks算法

TomekLinks算法[44]是TomekI在1976年提出的，它是一种有效的欠采样方法。它的核心思想是通过移除TomekLinks对中的多数类样本对数据集进行平衡化。TomekLinks对定义为：给定不同类别的两个样本xi和xj，其中，xi属于多数类样本，xj属于少数