非平衡数据集Fisher线性判别模型

• 作者: 裘正定 谢纪刚
• 来源期刊: 北京交通大学学报（自然科学版）
• 学科: 工学
• 关键词: 非平衡数据集 Fisher线性判别 ROC曲线下面积(AUC)
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 计算机与信息技术
• 页码范围: 15-18
• 页数: 4页
• 分类号: TP18
• 字数: 3704字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-0291.2006.05.004

摘要

非平衡数据是指两类问题中正类样本与负类样本个数不相等,甚至相比悬殊.非平衡数据集会导致许多分类器的性能下降,这与分类器的构造原理有关.本文首先阐述了Fisher线性判别的分类机制,指出当两类样本的协方差矩阵不同时,样本不平衡会导致Fisher线性判别的性能下降.在此基础上,提出了一种加权Fisher线性判别(WFELD),以减小样本不平衡的影响.然后,从UCI中选择了8个非平衡数据集,并采用ROC曲线下面积作为评估指标进行比较,实验结果证明了WFLD模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢纪刚	北京交通大学计算机与信息技术学院	19	472	10.0	19.0
2	裘正定	北京交通大学计算机与信息技术学院	90	1146	16.0	30.0