基于v-SVM的不平衡数据挖掘研究

• 作者: 宋执环 李平 许宏 郑恩辉
• 来源期刊: 浙江大学学报(工学版)
• 学科: 工学
• 关键词: 不平衡数据 有偏分类器 支持向量机
• 年，卷（期）: 2006,（10）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 1682-1687
• 页数: 6页
• 分类号: TP18
• 字数: 6282字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2006.10.005

摘要

针对基于精度的现有分类算法对不平衡数据挖掘表现出"有偏性",即正例样本的分类和预测性能差于反例样本的分类和预测性能,基于ν-SVM及其启发,提出支持向量数和边界支持向量数的界,进而提出支持向量率和边界支持向量率的界,并把这些界分别扩展到正例和反例.在此基础上,证明了正例的支持向量率和边界支持向量率分别依概率大于反例的支持向量率和边界支持向量率,以及正例的分类性能依概率差于反例的分类性能.针对German credit和Heart disease两个Benchmark数据集的试验研究,验证了本文假设的合理性和上述结论的正确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平	浙江大学工业控制技术国家重点实验室	260	3720	30.0	50.0
2	郑恩辉	中国计量学院机电工程学院	4	146	4.0	4.0
4	宋执环	浙江大学工业控制技术国家重点实验室	140	1808	23.0	36.0
5	许宏	中国计量学院机电工程学院	25	190	7.0	13.0