基于SMOTEBoost的非均衡数据集SVM分类器

• 作者: 李正欣 赵林度
• 来源期刊: 系统工程
• 学科: 工学
• 关键词: SMOTE AdaBoost 支持向量机 非平衡数据集
• 年，卷（期）: 2008,（5）
• 页码范围: 116-119
• 页数: 4页
• 分类号: TP391
• 字数: 3841字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4098.2008.05.020

摘要

在对实际问题进行数据挖掘时面临的多数是非均衡数据集,即各种类型的数据分布并不均匀,且关注的类型常是少数类.运用含有少量少数类型事例的数据集训练后的模型进行预测时,通常对多数类的预测精度很高,而少数类的预测精确性却很差.提出了一种集成方法SMOTEBoostSVM,通过SMOTE技术人工生成增加少数类样本量,以具有较强分类性能和泛化性能的SVM作为弱分类器,并以AdaBoost算法构建集成分类器.实验结果表明,SMOTEBoostSVM集成分类器比单纯运用SMOTE技术、AdaBoost算法以及SVM等的分类器,在非均衡数据集的分类预测中具有更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵林度	东南大学系统工程研究所	159	2575	29.0	42.0
2	李正欣	东南大学系统工程研究所	4	65	3.0	4.0