SVM在非平衡数据集中的应用

• 作者: 王蔚 黄秀丽
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 非平衡数据 SVM 机器学习
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 应用开发研究
• 页码范围: 190-193
• 页数: 4页
• 分类号: TP181
• 字数: 4143字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.06.052

摘要

在一个数据集中,至少有一个类别相对与其他类别有很少的样本,则这样数据集可以称为高度倾斜的或者是非平衡的数据集,非平衡数据在现实中普遍存在.在非平衡数据分类中,传统机器学习算法的分类表现受到了阻碍.支持向量机(SVM)基于结构风险最小化原则,是近几年发展起来的机器学习方法.分析了SVM在非平衡数据集中的应用情况,同时提出了几种SVM运用于非平衡数据集中的主要改进方法,这些方法对于非平衡数据的分类有很好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王蔚	南京师范大学教育科学学院	51	369	10.0	18.0
2	黄秀丽	南京师范大学教育科学学院	1	12	1.0	1.0